Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Provinsi Jawa Barat memiliki potensi yang signifikan untuk pengembangan energi surya melalui pemanfaatan radiasi matahari. Penelitian ini bertujuan untuk mengestimasi radiasi matahari di Provinsi Jawa Barat menggunakan metode ANN untuk menemukan model konfigurasi optimal dan menganalisis distribusi spasialnya. Pengukuran radiasi matahari dilakukan di lima lokasi berbeda, dengan dua lokasi terbaik dipilih untuk pemrosesan data. Dataset yang digunakan adalah data tahun 2022, yang dibagi menjadi 70% untuk pelatihan dan 30% untuk pengujian. Hasilnya menunjukkan bahwa konfigurasi optimal 6-30-1 di lokasi Puslitbang PLN mencapai nilai RMSE sebesar 135,8 W/m², rRMSE sebesar 54,8%, MBE sebesar 15,9 W/m², dan rMBE sebesar 0,064%. Sementara itu, untuk lokasi Sumedang, konfigurasi optimal adalah 5-40-1, yang menghasilkan nilai RMSE sebesar 156,7 W/m², rRMSE sebesar 49,29%, MBE sebesar 7,75 W/m², dan rMBE sebesar 0,024%. Secara keseluruhan, model ini masih memiliki kesalahan estimasi sebesar 48-50%.Untuk meningkatkan akurasi, penelitian ini mengintegrasikan model ANN dengan WRF, yang mampu meningkatkan akurasi di Sumedang sebesar 2%. Analisis menunjukkan bahwa daerah dengan ketinggian rendah memiliki intensitas radiasi matahari yang tinggi, sedangkan daerah dengan ketinggian lebih tinggi menerima radiasi matahari yang lebih rendah ......West Java Province has significant potential for solar energy development through the utilization of solar radiation. This study aims to estimate solar radiation in West Java Province using ANN methods to find the optimal configuration model and analyze its spatial distribution. Solar radiation measurements were conducted at five different locations, with the two best locations selected for data processing. The dataset used is from the year 2022, which was divided into 70% training and 30% testing. The results showed that the optimal configuration of 6-30-1 at the Puslitbang PLN location achieved an RMSE value of 135.8 W/m², an rRMSE of 54.8%, an MBE of 15.9 W/m², and an rMBE of 0.064%. Meanwhile, for the Sumedang location, the optimal configuration was 5-40-1, which produced an RMSE value of 156.7 W/m², an rRMSE of 49.29%, an MBE of 7.75 W/m², and an rMBE of 0.024%. Overall, this model still has an estimation error of 48-50%. To improve accuracy, this study integrated the ANN model with WRF, which was able to increase accuracy in Sumedang by 2%. Analysis shows that low-altitude areas have high solar radiation intensity, while higher-altitude areas receive lower solar radiation.

Abstrak :
Biomassa merupakan salah satu potensi energi alternatif untuk mengurangi ketergantungan penggunaan energi fosil. Indonesia memiliki potensi energi biomassa sebesar 49.810 MW yang berasal dari limbah dan tanaman. Pemanfaatan energi tersebut dapat dilakukan melalui proses gasifikasi yang mengubah biomassa menjadi gas sintetik. Salah satu metode untuk memodelkan proses tersebut adalah dengan menggunakan kecerdasan buatan atau artificial intelligence (AI). Studi literatur yang dilakukan menunjukkan bahwa metode artificial neural network (ANN) adalah pendekatan AI yang sering dipakai untuk melakukan pemodelan proses gasifikasi. Namun, ANN memiliki beberapa kekurangan dalam pemodelan dinamis yang kemudian disempurnakan melalui salah satu pengembangannya yang dinamakan recurrent neural network (RNN) yang mampu memodelkan variabel dependen terhadap waktu. Kesimpulan dari penelitian ini menyarankan agar pengembangan RNN dapat dijadikan acuan untuk membuat sistem kontrol pintar pada prototipe gasifier yang akan datang. ......Biomass is one of the alternative energy sources to reduce the usage of fossil energy. The potential of biomass energy in Indonesia reaches 49,810 MW, which comes from organic wastes and plants. Gasification is a process to convert biomass to synthetic gas, which is one of the utilizations of biomass energy. Artificial Intelligence (AI) implemented to model the complex process of gasification. Artificial Neural Network (ANN) is a common approach in AI to model the process in the gasifier. Yet, ANN is still inferior in modeling dynamic process that leads to an improvement of ANN called recurrent neural network (RNN). The result of this study suggests that RNN could be the foundation for the development of smart control for the next prototypes.

Abstrak :
ABSTRAK
Rencana kebutuhan masing - masing moda transportasi penting dialokasikan secara tepat karena konsumsi bahan bakar tersebut menempati terbesar kedua penggunaan bahan bakar lainnya. Pada penulsan ini, analisa menggunakan beberapa metode peramalan akan kebutuhan setiap perjalanan kereta api dan dievaluasi untuk hasil yang terbaik antara lain : regresi linier berganda, support vector machine SVM dan neural network ANN . Adapun analisis regresi linier memberikan gambaran hubungan linier antara variabel prediksi terhadap variabel terikat. Langkah selanjutnya dipilih parameter pengaruh untuk variabel terikat sebagai variabel prediksi yang mempunyai signifikan pengaruh. Dari ketiga metode tersebutdievaluasi untuk indikasi accuracy of prediction dengan nilai RSME root square mean error terendah. Hasil ditunjukan oleh metode SVM untuk mode prediksi terbaik yang dapat digunakan untuk membuat permintaan waktu akan datang akan konsumsi bahan bakar perjalanan kereta api.

---

ABSTRACT
Fuel requirement plan needs to be accuraately allocated because it occupes the second largest usage portion in transportation sector. This thesis evaluates and analyzes several prediction methods to forecast fuel requirement of a train trip. The methods are multple linear regression, support vector machine SVM and neural network ANN . Linear regression analysis provides an overview of the linear relationship between indenpendent variable and the predicted variables, i.e. the fuel consumption of the train trip. This method then used to select a subset of independent variable that significantly influence the predicted variables. Moreover the three methods are evaluated their accuracy using RSME root square mean error . The result show the support vector machine is the most appropriate model to predict the fuel consumption of the train trip.

Abstrak :
Kanker liver pada citra hasil CT-Scan memiliki bentuk, lokasi serta tekstur yang berbeda – beda disetiap citra. Perbedaan contrast antara abnormalitas dan liver sehat sering kali tidak dapat terlihat jelas, sehingga menyulitkan dalam evaluasi. Abnormalitas liver antara lain pembengkakan, fibrosis, kehadiran tumor jinak atau tumor ganas. Perbedaan contrast rendah dengan ukuran lebar dalam citra mudah dikenali sebagai abnormalitas, namun untuk massa kecil dan contrast rendah sulit dievaluasi. Dalam penelitian ini telah dilakukan CAD dengan tujuan untuk membantu evaluasi abnormalitas liver utamanya abnormalitas dengan ukuran kecil. Metode penelitian yang digunakan dalam penelitian ini adalah metode segmentasi berdasarkan active contour. Data yang digunakan merupakan data sekunder citra abdomen yang dihasilkan dari modalitas Computed Tomography Scanner (CT-Scan) RSUD Cibinong Bogor. Teknik pengumpulan data yang digunakan dengan melakukan observasi pada data pasien citra liver abnormal dari pasien-pasien kanker liver dan citra liver normal dari pasien-pasien penyakit lainnya sesuai dengan diagnosis dokter. Sedangkan untuk olah data digunakan proses ekstraksi fitur menggunakan analisis tekstur Gray-Level Co-occurrence Matrix (GLCM) dengan machine learning berupa Artificial Neural Network (ANN) untuk deteksi abnormalitas citra. Hasil penelitian menyatakan bahwa ANN dapat digunakan untuk mengelompokkan citra kedalam grup normal dan abnormal dengan akurasi sebesar 89% sensitivitas 86%, spesifisitas 92%, presisi 91%, error keseluruhan 10%. ......Liver abnormalities in CT image commonly have different shape, location and texture. The contrast between abnormalities and healthy liver often cannot be clearly seen, making it difficult to evaluate. Liver abnormalities include swelling, fibrosis, the presence of benign tumors or malignant tumors. Low contrast differences with width measurements in images are easily recognized as abnormalities, but for small masses and low contrast it is difficult to evaluate. In this study CAD was carried out with the aim to help evaluate liver abnormalities, especially small size abnormalities. The segmentation method based on active contour is the method was employed in this research. The data which used was secondary data resulting abdomen image  from modalities of Computed Tomography Scanner (CT-Scan) of Cibinong Hospital, Bogor. The data collection techniques was used in this research were data abnormal liver image from patients liver cancer and normal liver image from patients other diseases according to the doctor's diagnosis. Meanwhile, the technique used to processing data was extraction feature process with analysis Gray-Level Co-occurrence Matrix (GLCM) texture and machine learning of Artificial Neural Network (ANN) for detection abnormality image. Results of this research stated that ANN can used for classify image to normal and abnormal group with accuracy of 89%, sensitivity of 86%, specificity of 92%, precision of 91%, and error of 10%.

Abstrak :
Fluid Catalytic Cracking (FCC) merupakan metode perengkahan minyak nabati menjadi fraksi yang lebih sederhana dan menghasilkan produk biofuel. Grup riset AIR mengembangkan sebuah teknologi sistem FCC skala bench untuk mengolah minyak kelapa sawit menjadi bahan bakar nabati. Salah satu komponen sistem FCC adalah FCC furnace. FCC furnace merupakan tempat terjadinya proses pembakaran dan memberikan perpindahan panas yang tinggi di seluruh sistem FCC, terutama untuk memanaskan striper. Pengujian pertama menggunakan 2 kg bricket biochar dan pengujian kedua menggunakan 1kg bricket biochar dan 1kg biochar halus. Tujuan penelitian ini untuk melakukan optimasi online menggunakan model ANN dan optimasi PSO pada FCC furnace. Optimasi pemodelan ANN dan Optimasi PSO dapat memprediksi temperatur maksimum striper terjadi dengan menggunakan 1 kg bricket biochar dan 1 kg biochar halus. Dengan menggunakan optimasi online, temperatur striper actual mencapai 131.25 oC ,dan perbedaan pada setiap temperatur distabilkan dibawah 100 oC. Pemodelan algoritma optimasi online dapat berjalan dengan baik namun belum dapat meningkatkan temperatur aktual striper mencapai temperatur striper PSO maksimum dengan baik. ......Fluid Catalytic Cracking (FCC) is a method of cracking vegetable oil into simpler fractions and producing biofuel products. The AIR research group developed a bench-scale FCC system technology to process palm oil into biofuels. One component of the FCC system is the FCC furnace. The FCC furnace is where the combustion process occurs and provides high heat transfer throughout the FCC system, especially for heating the striper. The first test used 2 kg of biochar bricks and the second test used 1 kg of biochar bricks and 1 kg of fine biochar. The purpose of this study is to carry out online optimization using the ANN model and PSO optimization on the FCC furnace. ANN modeling optimization and PSO optimization can predict the maximum temperature of the striper that occurs using 1 kg of biochar bricket and 1 kg of fine biochar. By using online optimization, the actual striper temperature reaches 131.25 oC, and the difference at each temperature is stabilized below 100 oC. Online optimization algorithm modeling can run well but has not been able to increase the actual temperature of the striper to reach the maximum PSO striper temperature properly.

Abstrak :
Keberadaan Cumulonimbus dapat menyebabkan hujan lebat, tornado, badai petir dan peristiwa ekstrem lainnya. Pengamatan Radiosonde telah digunakan untuk memprediksi potensi keberadaan awan CB dalam periode prakiraan cuaca jangka pendek dengan menggunakan pendekatan machine learning. Salah satu metode machine learning yang populer dan handal digunakan untuk prediksi potensi pertumbuhan awan CB adalah Artificial Neural Network (ANN). Namun, ANN masih sensitif terhadap inisialisasi nilai awal pada parameter weight dan bias. Metode yang terbukti paling handal untuk mengatasi masalah tersebut adalah Grey Wolf Optimizer (GWO). Oleh sebab itu, studi ini menggunakan GWO untuk mengoptimalkan parameter weight dan bias pada ANN berdasarkan kinerja MSE di setiap iterasi sehingga dapat meningkatkan kinerja ANN dalam memprediksi keberadaan awan CB. Hasil studi menunjukkan bahwa GWO memberikan peningkatan kinerja ANN dengan rata rata peningkatan akurasiakurasi sebesar 14,88 %. Akurasi terbaik didapatkan dengan nilai 89.6% dengan menggunakan 5 input indeks Radiosonde SI, LI, TT, CAPE, SWEAT pada epoch 250, dengan nilai MSE 0.071, serta nilai koefisien korelasinya sebesar 0.86 ......The presence of Cumulonimbus can cause heavy rain, tornadoes, thunderstorms and other extreme events. Radiosonde observations have been used to predict the potential presence of CB clouds in the short-term weather forecast period using a machine learning approach. One of the popular and reliable machine learning methods used to predict the potential growth of CB clouds is Artificial Neural Network (ANN). However, ANN is still sensitive to initialization of initial values ​​in weight and bias parameters. The most reliable proven method to solve this problem is the Gray Wolf Optimizer (GWO). Therefore, this study uses GWO to optimize weight and bias parameters on ANN based on MSE performance in each iteration so as to improve ANN performance in predicting the presence of CB clouds. The results of the study show that GWO provides an increase in ANN performance with an average increase in accuracy of 14.88%. The best accuracy was obtained with a value of 89.6% using 5 inputs Radiosonde SI, LI, TT, CAPE, SWEAT at epoch 250, with an MSE value of 0.071, and the correlation coefficient value of 0.86

Abstrak :
Geez and Ann merupakan novel pertama karya Rintik Sedu. Novel ini menjadi populer sehingga Rizki Balki mengadaptasinya menjadi sebuah film. Alih wahana dari Geez and Ann diteliti menggunakan kajian ekranisasi. Penelitian ini bertujuan untuk memaparkan perubahan-perubahan dan aspek yang memengaruhinya dalam ekranisasi novel Geez and Ann. Metode analisis penelitian ini menggunakan metode deskriptif komparatif. Metode pengumpulan data yang digunakan adalah kajian pustaka dan observasi dengan teknik catat serta sumber datanya ialah novel Geez and Ann dan film Geez and Ann. Hasil penelitian menyimpulkan bahwa dalam film terdapat penambahan unsur-unsur cerita yang cukup mencolok, salah satunya adalah adanya penambahan pada unsur tokoh dan penokohan. Selain itu, ada pengurangan atau penciutan yang terjadi pada film. Hal ini disebabkan oleh berbagai faktor, salah satunya adalah durasi. Kemudian, terdapat juga perubahan bervariasi dalam film yang dimunculkan melalui dialog, eksekusi adegan, modifikasi latar, dan lain sebagainya. ......Geez and Ann is Rintik Sedu's first novel. This novel became so popular that it attracted Rizki Balki to adapt this novel into a film. Ecranization of Geez and Ann was investigated using an ecranization study. This study aims to describe the changes and aspects that affect them in the ecranization of the novel Geez and Ann. The analytical method of this research uses a comparative descriptive method. The data collection method used is literature and observation with note-taking techniques. Also, used the data source of the novel Geez and Ann and the film Geez and Ann. The results of the study conclude that in the film there are additional story elements that are quite striking, one of them is the addition of character and characterization elements. In addition, there is a reduction or shrinkage that occurs in the film. It is caused by various factors, one of which is duration. Then, there are also various forms of change in the film that appear through dialogue, scene execution, background modification and so on.

Abstrak :
A study has been done on the potential integration of Demand Side Management (DSM) to the reduction of electric power peak load forecasting in the Indonesian electric system by using the indonesia Energy Outlook by .System Dynamic (INOSYD) model and Artificial Neural Network (ANN) method, within the study period of 2005-202l. DSM is the process of managing the consumption of energy. generally to optimize availability and development plan of energy resources. DSM application in this research refers to actions taken on the customer 's side of the matter to change the amount or timing of energy consumption, therefore it influences the reduction of the long-range forecasting of electricity peak load In this paper, the lang-term load forecasting is studied by using INOSYD model, JS T method and Model for Analysis of Energy Demand (MAED) as comparison, where the calculation results of average annual load growth rate are around 4.60% (DVOSYD) ; 7.l6% (ISD and 6.87% (MAED) respectively. Afterwards, the influence of DSM by an effort to reduce energy consumption of residential sector by an amount of 5% and l0% respectively, with the respect to the lang-term load forecasting by using INOSYD model and ANN method is performed The study results show that DSM application at residential (household sector at an amount of 5% and l 0% by using lNOS}'D model will reduce the average long-term load forecasting by about 4.95% and 9.90% respectively, meanwhile ANN method will reduce the average long-term load forecasting by about 2.74 and 5.36% respectively.

Abstrak :
Limbah zat warna malasit hijau/malachite green banyak banyak dihasilkan oleh industri tekstil dan budidaya ikan hias yang memiliki potensi karsinogenik terhadap makhluk hidup. Oleh karena itu, pada penelitian ini telah berhasil disintesis fotokatalis nanokomposit Kitosan/WO₃-Fe₃O₄ untuk mendegradasi limbah zat warna malasit hijau menggunakan sinar tampak. Nanopartikel WO₃ dan nanopartikel Fe₃O₄ masing-masing dengan energi celah pita 2,748 eV dan 1,879 eV serta ukuran kristal masing-masing 38,883 nm dan 27,292 nm. Heterojunction WO₃-Fe₃O₄ dengan rasio (1:1) menunjukkan aktivitas fotokatalitik terbaik dan memiliki energi celah pita 2,039 eV dan ukuran kristal 24,390 nm. Nanokomposit Kitosan/[WO₃-Fe₃O₄ (1:1)] memiliki energi celah pita 2,041 eV dan ukuran partikel 30,626 nm. Desain percobaan dan optimasi fotokatalitik menggunakan response surface methodology (RSM) dan artificial neural network (ANN) menunjukkan efisiensi degradasi 97,757% dengan kondisi dosis katalis 1,82 g/L, konsentrasi malasit hijau 5 ppm, waktu 115 menit, dan pH 9. Studi kinetika mengikuti kinetika reaksi pseudo orde pertama (pseudo first order) dengan R² adalah 0,978 dan konstanta laju reaksi (k) adalah 0,0171/menit dan persamaan laju degradasi malasit hijau v=k[MG]. Berdasarkan hasil penelitian ini, pengembangan nanokomposit menggunakan support biopolimer seperti kitosan dengan nanopartikel WO₃-Fe₃O₄ dapat meningkatkan aktivitas fotokatalitik dan berpotensi untuk pengolahan limbah zat warna yang ramah lingkungan. ...... Malachite green dye waste, commonly produced by the textile industry and ornamental fish farming, poses carcinogenic risks to living organisms. This study successfully synthesized a Chitosan/WO₃-Fe₃O₄ nanocomposite photocatalyst to degrade malachite green dye waste using visible light. The WO₃ and Fe₃O₄nanoparticles, with bandgap energies of 2,748 eV and 1,879 eV, respectively, and crystal sizes of 38,883 nm and 27,292 nm, were used. The WO₃-Fe₃O₄ heterojunction (1:1) exhibited the best photocatalytic activity with a bandgap energy of 2,039 eV and a crystal size of 24,390 nm. The Chitosan/[WO₃-Fe₃O₄ (1:1)] nanocomposite showed a bandgap energy of 2,041 eV and a particle size of 30,626 nm. Experimental design and photocatalytic optimization using response surface methodology (RSM) and artificial neural network (ANN) demonstrated a degradation efficiency of 97,757% under conditions of 1,82 g/L catalyst dose, 5 ppm malachite green concentration, 115 minutes, and pH 9. The kinetics study followed a pseudo-first-order reaction with an R² of 0.978 and a reaction rate constant (k) of 0.0171/min, with the degradation rate equation v=k[MG]. These findings suggest that developing nanocomposites using biopolymer supports like chitosan with WO₃-Fe₃O₄ nanoparticles can enhance photocatalytic activity and offer potential for environmentally friendly dye waste treatment.

Abstrak :
Kemajuan umat manusia dalam penerbangan modern sangat bergantung pada kemampuan untuk melakukan pemodelan sistem idenifikasi penerbangan dari suatu wahana pernerbangan. Pemodelan suatu sistem identifikasi penerbangan bergantung dengan tingkat kualitas dan kuantitas dari data simulasi yang digunakan untuk mendapatkan pendekatan situasi dan kondisi penerbangan aktual yang seakurat mungkin. Akurasi dan presisi dari data simulasi yang digunakan dalam pemodelan sistem penerbangan akan mempengaruhi hasil algoritma yang digunakan dalam sistem identifikasi. Dalam pencapaian kualitas data tersebut, digunakanlah perangkat lunak X-Plane yang berfungsi sebagai simulator penerbangan ultra-realistis yang menyuplai set data yang memungkinkan pembelajaran mesin dari algoritma berbasis komputer. Data pembelajaran pesawat terbang terdiri dari attitude orientasi pesawat. Data yang diperoleh dari simulator tersebut akan diproseskan menggunakan metode preprocessing, sehingga layak digunakan untuk pelatihan sistem identifikasi. Suatu algoritma artificial neural network diterapkan untuk mengidentifikasi sistem pesawat dengan mempelajari dataset yang disebutkan di atas, yang kemudian akan digunakan dalam pengembangan perancangan sistem kontrol. Algoritma artificial neural network yang dirancang dalam penelitian ini telah menunjukkan keberhasilan dalam sistem identifikasi untuk sistem penerbangan pesawat, dan siap digunakan dalam percobaan dan pengujian sistem kontrol pada pesawat. ......Humanitys progress in modern aviation is very dependent on the ability to model the flight identification system of a flight vehicle. Modeling a flight identification system depends on the quality and quantity of simulation data used to get the most accurate representation of the actual flight situation and condition. The accuracy and precision of the simulation data used in the flight system modeling will affect the results of the algorithm used in the identification system. In achieving this data quality, X-Plane software is used which functions as an ultra realistic flight simulator that supplies data sets that enable machine learning from computer based algorithms. Airplane learning data consists of airplane orientation attitude. Data obtained from the simulator will be processed using the preprocessing method, so it is feasible to use for identification system training. An artificial neural network algorithm is applied to identify aircraft systems by studying the dataset mentioned above, which will then be used in the development of control system design. The artificial neural network algorithm designed in this study has shown success in the identification system for aircraft flight systems, and is ready to be used in the testing and testing of control systems on aircraft.