Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKBiaya bahan bakar adalah hal yang tidak dapat kita pisahkan dari biaya perjalanan, khususnya pada Negara Indonesia yang menduduki peringkat pertama dalam penjualan kendaraan roda empat di asean selama berturut turut pada periode 2014-2017. Oleh karena itu biaya pada kendaraan roda empat membutuhkan perhatian khusus dalam mengetahui hal- hal yang mempengaruhi biaya bahan bakar dan pemantauannya. Terdapat beberapa faktor yang mempengaruhi tingkat penggunaan bahan bakar minyak beberapa diantaranya adalah nilai RPM dan Throttle Position selama berkendara yang pada penelitian ini di paparkan terhadap curve fitting untuk mendapatkan fungsi regresi yang menggambarkan hubungannya. Perancangan aplikasi berbasis cloud ini bertujuan untuk mengetahui biaya perjalanan yang kita keluarkan selama berkendara menggunakan data yang diambil dari raspberry Pi 3B+ via OBD II port. Hasil dari penelitian ini kita dapatkan hubungan antara RPM vs Tps vs fuel cost direpresentasikan dalam Fuel Cost(poly3) =-2.54 + 0.7574*x + 0.001014*y dengan koefisien determinasi R2 sebesar 0,9882 dan RSME 0,3731, error dari hasil analisa fuel cost sebesar 85 %. Analisis dari aplikasi menampilkan analisa data dalam bentuk grafis antara fuel cost terhadap waktu.br>Biaya bahan bakar adalah hal yang tidak dapat kita pisahkan dari biaya perjalanan, khususnya pada Negara Indonesia yang menduduki peringkat pertama dalam penjualan kendaraan roda empat di asean selama berturut turut pada periode 2014-2017. Oleh karena itu biaya bahan bakar pada kendaraan roda empat membutuhkan perhatian khusus dalam mengetahui hal- hal yang mempengaruhi biaya bahan bakar dan pemantauannya. Terdapat beberapa faktor yang mempengaruhi tingkat penggunaan bahan bakar minyak beberapa diantaranya adalah nilai RPM dan Throttle Position selama berkendara yang pada penelitian ini di paparkan terhadap curve fitting untuk mendapatkan fungsi regresi yang menggambarkan hubungannya. Perancangan aplikasi berbasis cloud ini bertujuan untuk mengetahui biaya perjalanan yang kita keluarkan selama berkendara menggunakan data yang diambil dari raspberry Pi 3B+ via OBD II port. Hasil dari penelitian ini kita dapatkan hubungan antara RPM vs Tps vs fuel cost direpresentasikan dalam Fuel Cost(poly3) =-2.54 + 0.7574*x + 0.001014*y dengan koefisien determinasi R2 sebesar 0,9882 dan RSME 0,3731, error dari hasil analisa fuel cost sebesar 85 %. Analisis dari aplikasi menampilkan analisa data dalam bentuk grafis antara fuel cost terhadap waktu.

---

ABSTRACTFuel cost an integral part of travel cost , especially in Indonesia where road transport is the main way of transportation.This is supported by reaching the highest number of four wheeled vehicle in asean during 2014-2017. This condition led to the need of the ability to monitor gas expenses using four wheeled vehicle. In this research some variable is used to determine the rate of fuel cost during travel such as: RPM and Throttle Position. Using mathlab RPM and Throttle position will be curv fitted against fuel cost we get from calculating fuel cost . The development purpose of this application is to do calculation of fuel cost using MAF, throttle position and RPM from raspberry Pi 3B+ via OBD II port. This research found that the relation of fuel cost to RPM and throttle position is represented by Fuel Cost(poly3) =-2.54 + 0.7574*x + 0.001014*y with the coefficient of detemination R2 = 0,9882 and RSME 0,3731. The analysis in this research is represented in graphs of fuel cost to time and trip number."

"Optimasi biaya bahan bakar umumnya dilakukan dengan pendekatan menggunakan metode deterministi c maupun undeterministi c. Pada penelitian ini membandingkan penerapan merit order yang bersifat deterministi c dengan penerapan algoritma kelelawar yang bersifat undeterministi c. Persoalan economic load dispatch mempunyai batasan equality dan inequality yang kompleks, sehingga sulit menentukan nilai optimum dengan menggunakan pendekatan konvensional. Dalam menentukan nilai optimum diperlukan penjadwalan unit-unit pembangkit untuk membagi daya yang dibangkitkan dalam pemenuhan kebutuhan sistem sehingga didapatkan biaya bahan bakar optimum. Merit order disusun berdasarkan besaran biaya bahan bakar perjam setiap unit yang beroperasi pada output maksimumnya, sedangkan algoritma kelelawar disusun berdasarkan karakteristik ekolokasi kelelawar yang disimulasikan pada program komputer dari posisi, kecepatan dan frekuensi kelelawar. Data yang diuji adalah data aktual pembangkit listrik tenaga termal yang berjumlah 6 (enam) pembangkit pada kondisi beban puncak tahun 2018. Dengan menggunakan 2 (dua) metode yang berbeda yaitu merit order dan algoritma kelelawar diperoleh hasil biaya produksi (efisiensi) yang berbeda. Merit order dapat mengefisienkan biaya produksi sebesar 14,67% atau $291640 dari aktual biaya, sementara algoritma kelelawar menghasilkan efisiensi sebesar 15,66% atau $311405 dari aktual biaya. Dari hasil perhitungan ini dapat disimpulkan bahwa penggunaan metode algoritma kelelawar akan menghasilkan biaya produksi yang lebih efisien (lebih kecil) yaitu sebesar 0,99% atau $19765 dibandingkan metode merit order. Hal ini dapat terjadi karena algoritma kelelawar berhasil membuat kombinasi pembebanan pembangkit yang lebih efisien.

---

Fuel cost optimization is generally done using an approach of deterministic and undeterministic methods. This study compares the application of deterministic merit order algorithms with the application of undeterministic bat algorithms. The issue of economic load dispatch has complex equality and inequality constraints, so it is difficult to determine the optimum value using a conventional approach. In determining the optimum value it is necessary to schedule generator units to divide the generated power in meeting system requirements so the optimum fuel costs are obtained. Merit orders are arranged based on the amount of hourly fuel costs per unit operating at its maximum output, while the bat algorithm is based on echolocation characteristics of microbats simulated on a computer program from the position, velocity and frequency of bats. The researched data are the actual data of thermal power plants which amount to 6 (six) plants in the peak loads condition in 2018. By using 2 (two) different method, namely merit order and bat algorithm, the results of different production costs are obtained. The merit order can reduce production costs by 14.67% or $291640 of the actual cost, while the bat algorithm produces an efficiency of 15.66% or $311405 of the actual cost. From the results of this calculation it can be concluded that the use of bat algorithm can produce a more efficient (smaller) generation costs that is equal to $19765 or 0.99% smaller than the merit order method. This can occur because of the bat algorithm manages to create a loading combination of more efficient power plants."

"Energi listrik merupakan energi yang sudah tidak bisa dipisahkan dari kehidupan manusia. Kebutuhan energi listrik akan terus meningkat seiring dengan perkembangan zaman. Dalam pembangkitan energi listrik dibutuhkan pengonversian energi lain menjadi energi listrik dimana untuk membangkitkan energi listrik dibutuhkan sumber daya alam seperti batu bara. Batu bara dipilih karena selain harganya murah, pembangkitnya juga memiliki efisiensi yang cukup tinggi namun berdampak pada lingkungan. Selain itu seiring dengan pertumbuhan beban, biaya produksi tenaga listrik juga semakin meningkat. Oleh sebab itu, dibutuhkan optimasi biaya operasi pembangkit agar didapatkan pembebanan yang optimal sehingga biaya yang dikeluarkan seefisien mungkin dan harga listrik menjadi tidak terlalu mahal. Pada perencanaan pembebanan sebenarnya, biaya operasi pembangkit dalam satu hari yang dikeluarkan sebesar Rp 18.384.345.566 dengan biaya bahan bakar sebesar Rp 561,118/kWH. Sedangkan dengan optimasi biaya operasi pembangkit dengan menggunakan metode lagrange, didapat biaya operasi pembangkit dalam satu hari sebesar Rp 18.350.617.781 dan biaya bahan bakar sebesar Rp 560,068/kWH. Dengan melakukan optimasi biaya operasi pembangkit dengan metode lagrange, pengeluaran biaya operasi pembangkit dapat dihemat sebesar Rp 33.727.785 dan biaya bahan bakar sebesar Rp 1,05/kWH.

---

Nowadays, Electricity is one of the most important energy for human being which cannot be separated from the human life. The needs of electricity is increasing by the time goes. Another form of energy should be converted to produce the electricity and a coal is needed to produce the electricity as the fuel for the power plant. Coal is chosen as the fuel because it has low cost and high eficiency but has a bad impact for the environment. As the load grows, both the cost of electricity production and needs of the natural resoursces is increasing too. Though, the optimization of power plant production cost is needed to obtain optimal loading each power plant and get the efficient cost so the elctricity prices turn to be lower than before. In the real plan of power plant loading, the production cost is Rp Rp 18.384.345.566 a day and the fuel cost is Rp 561,118 kWH. On the other hand, the production cost with lagrange method opimization is Rp 18.350.617.781 a day and the fuel cost is Rp 560,068 kWH. Using the optimalization of electricity production cost with lagrange method Rp 33.727.785 has saved from the real plan planning and also save Rp 1,05 kWH in the fuel cost."