Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Sistem tenaga listrik di seluruh dunia menghadapi masalah teknis dalam pengoperasian, perencanaan, dan pengontrolan agar suplai tenaga listrik menjadi lebih efektif dan efisien. Namun, daya yang dikonsumsi oleh konsumen tidaklah selalu konstan, apalagi khususnya daya yang dipakai oleh pendingin ruangan. Ketika suhu meningkat, tentunya mengakibatkan banyak orang menggunakan pendingin ruangan dengan suhu yang lebih rendah dan ini berarti mengakibatkan daya yang dikonsumsi pun meningkat, begitu juga sebaliknya. Agar mencapai tujuan tersebut, diperlukan suatu peramalan beban yang tepat dengan tingkat kesalahan yang sangat kecil. Peramalan yang akan dilakukan dalam skripsi ini adalah peramalan jangka pendek dengan rentang waktu tiap satu jam dengan membuat pemodelan antara daya yang dikonsumsi konsumen tiap jam sebagai fungsi temperatur dan beban sebelumnya. Data beban dan temperatur yang digunakan untuk membuat pemodelan adalah data selama tahun 2010 yang didapat dari PLN dan BMKG. Pemodelan yang akan dibuat berupa pemodelan linier dengan satu varibel terikat dan empat belas variabel bebas. Koefisien dari pemodelan dicari dengan menggunakan metode kuadrat terkecil analisis regresi berganda. Hasil dari pemodelan yang telah dibuat menunjukan tingkat kesalahan rata-rata yang cukup kecil setiap harinya, yaitu sekitar 2% untuk hari biasa dan 5% untuk libur hari raya. ......Power system in overall the world is facing technique problems in operating, scheduling, and controlling in order power supply can more effective and efficient. In contrast, power consumed by consumers is not constant, especially power used by air conditioner. When the temperature increase, it makes most people use air conditioner by low temperature and it means that power consumed by the air conditioner is increase, and also the reverse. To achieve the purpose, needed an accurate load forecasting with very low error. Forecasting that has been done in this undergraduate thesis is short term forecasting with one hour interval by constructing the model between consumer power consumption every hour as the last temperature and load function. Load and temperature data used to make the modeling is data obtained during 2010 from PLN and BMKG. Modeling that will be made is linear modeling with one independent variable and fourteen dependent variable. The coefficients of modeling were searched using the least squares method of multivariate regression analysis. The result of the modeling that has been created showing the average error rate is small enough each day, about 2% for weekdays and 5% for the holiday feast.

Abstrak :
Salah satu tantangan yang dihadapi Indonesia dalam target pencapaian ISPO yaitu perkebunan kelapa sawit yang telah tertanam di lahan gambut, baik untuk perkebunan swasta maupun perkebunan rakyat. Beberapa permasalahan diantaranya terkait produktivitas, lingkungan, ekonomi dan sosial. Riset ini bertujuan untuk membangun model perkebunan kelapa sawit berkelanjutan dan membuat sintesis perbaikan. Metode riset adalah analisis statistik dynamic multivariate regression, analisis keekonomian (NPV dan IRR) serta pemodelan system dynamics. Hasil riset pada perkebunan kelapa sawit swasta, urutan variabel yang paling berpengaruh yaitu OER CPO, kerapatan tanam, TMAT dan pemupukan. Untuk perkebunan kelapa sawit rakyat, urutan variabel teknis yang berpengaruh adalah kebakaran, periode panen, pemupukan dan umur tanaman. Kesimpulan riset menyatakan, model pengelolaan perkebunan kelapa sawit swasta dibangun dengan intervensi skenario optimis yaitu peningkatan persentase OER CPO 20%, kerapatan tanam 15%, pemupukan 15% dan TMAT 100%. Untuk perkebunan kelapa sawit rakyat, kunci utamanya adalah kebakaran dan kelembagaan agar dapat mencapai target keberlanjutan. ......One of the challenges faced by Indonesia in achieving the ISPO target is oil palm plantations existing planted on peatlands, both for private plantations and smallholder. Some of these problems are related to productivity, environment, economy, and social. This study aims to build a model of sustainable oil palm plantations and synthesize improvements. The research methods used are dynamic multivariate regression statistical analysis, economic analysis (NPV and IRR), and system dynamics modeling. The research results on private oil palm plantations, the order of the most influential variables are OER CPO, planting density, groundwater level, and fertilization. For smallholder, the technical variables influence fire, harvest time, fertilization, and plant age. The study's conclusion stated that the private oil palm plantation model was built with an optimistic scenario intervention, namely an increase in the percentage of OER CPO 20%, planting density 15%, fertilization 15%, and groundwater level 100%. For smallholder, the key is fire and institutions to achieve sustainability targets.

Abstrak :
This text covers both multiple linear regression and some experimental design models. The text uses the response plot to visualize the model and to detect outliers, does not assume that the error distribution has a known parametric distribution, develops prediction intervals that work when the error distribution is unknown, suggests bootstrap hypothesis tests that may be useful for inference after variable selection, and develops prediction regions and large sample theory for the multivariate linear regression model that has m response variables. A relationship between multivariate prediction regions and confidence regions provides a simple way to bootstrap confidence regions. These confidence regions often provide a practical method for testing hypotheses. There is also a chapter on generalized linear models and generalized additive models. There are many R functions to produce response and residual plots, to simulate prediction intervals and hypothesis tests, to detect outliers, and to choose response transformations for multiple linear regression or experimental design models.