Hasil Pencarian  ::  Simpan CSV :: Kembali

"Probabilistic Neural Network (PNN) adalah salah satu tipe jaringan neural yang umum digunakan untuk memecahkan permasalahan klasifikasi pola. Disamping struktur jaringan dan metode pelatihan yang sederhana, PNN memiliki kelemahan utama yaitu dalam menentukan struktur jaringan yang terdiri dari penentuan nilai para meter smoothing dan jumalh neuron yang di gunakan pada lapisan pola . Dengan adanya kelemahan ini beberapa peneliti mengajukan algoritma Supervised PNN structure Determination (SPNN) dengan tujuan untuk mempermudah penentuan struktur PNN. Akan tetapi dalam implementasi iteratif yang telah di laporkan , SPNN masih memerlukan waktu komputasi yang cukup lama untuk menentukan struktur PNN yang baik. Makalah ini menjelaskan usaha perbaikan kinerja waktu proses implementasi SPNN dengan memperhatikan bagian-bagian proses yang independent serta memodifikasi algoritmanya untuk dapat diterapkan pemrosesan secara paralel. Hasil eksperimen menunjukkan percepatan yang cukup berarti."

"Tugas akhir ini membahas tentang bagaimana menentukan tingkat persediaan dan biaya yang optimal dengan sistem order level untuk permintaan yang deterministik maupun probabilistik. Perbandingan biaya antara sistem order level untuk permintaan yang deterministik dan probabilistik menunjukkan bahwa biaya untuk sistem order level dengan permintaan probabilistik temyata lebih besar dibandingkan dengan sistem order level untuk permintaan yang deterministik."

"Sebagai sebuah produk baru, perusahaan belum memiliki Cara kerja baku yang efektif untuk tipe VR-188, sebab itu target produksi yang diinginkan belum dapat tercapai terutama pada lini perakitan total assy yang terjadi ketidakseimbangan beban kerja, antar operator sehingga mengakibatkan produktifitasnya rendah.Untuk mengatasi masalah di atas maka diusulkan untuk menyeimbangkan lini tersebut. Dalam usaha penyeimbangan lini digunakan dua metode, yaitu deterministic, yang menganggap waktu proses tidak bewariasi (invariant) dan menggunakan probabilistic line balancing didapat tujuh kemungkinan yang ada namun masing-masing kemungkinan tersebut memiliki cycle time, line ehirciency, dan smoothness index yang berbeda-beda. Dari hasil pengelompokan semua kemungkinan maka yang diusulkan digunakan dalam perusahaan adaiah hasil pengelompokan secara probabilistik dengan p = 0,05 yang memiliki cycle time terkecil, yaitu 23140644 detik, line efficiency tertinggi, yaitu 98,920 %, dan smoothness index terkecii, yaitu 7,328 detik.Hasil dari penyeimbangan lini tersebut tetap tidak dapat memenuhi target produksi perusahaan, yaitu 140 unit/hari dengan 25 orang tenaga kerja (operator), karena itu perlu dilakukan penambahan jam kerja sebanyak 61,71 menit/hari serta penambahan biaya untuk keperluan tersebut adalah sebesar Rp. 28.203,19/hari.Penyeimbangan Iini yang diusulkan tersebut tidak akan dapat menghasilkan sejumlah produk seperti yang diharapkan jika tidak didukung oleh kompresor rakitan hasil pengelasan yang datang tepat waktu ke lini totai assy itu sendiri untuk diproses. Dalam kenyataannya, kedatangan hasii pengelasan tersebut sering mengalami keterlambatan. Untuk mengantisipasi hal tersebut maka perlu adanya buffer storage dan dari hasil perhitungan diperlukan buffer sejumlah 6 unit. Jumlah tersebut ditentukan berdasarkan patokan biaya minimal yang dilakukan secara trial and error, yaitu sebesar Rp.98.259,8122"

"Program dinamik yang digunakan pada proses keputusan Markov adalah program dinamik probabi1istik yang melibatkan sejumlah state (keadaan) yang hingga, probabilitas antar state yang dinyatakan dengan rantai Markov dan matriks pengembalian (return) dimana elemen-elemennya dihasilkan dari perpindahan state. Objektif yang akan dicapai dari masalah adalah mencari kebijakan optimal yang akan memaksimumkan pendapatan (revenue) yang diharapkan dari proses yang terdiri dari sejumlah stage (tahap) yang hingga maupun tak hingga."

"Sebuah sistem berbasis ontologi saat ini dapat melakukan penalaran logis melalui Web Ontology Language - Description Logic (OWL-DL). Namun untuk melakukan penalaran probabilistik, sistem tersebut harus menggunakan basis pengetahuan terpisah, pemrosesan terpisah, atau aplikasi pihak ketiga. Studi-studi terdahulu seperti BayesOWL, MEBN/PR-OWL, dan OntoBayes utamanya berfokus kepada bagaimana merepresentasikan informasi probabilistik dalam ontologi dan melakukan penalaran terhadapnya. Pendekatan-pendekatan tersebut tidak cocok bagi sistem-sistem yang telah memiliki basis pengetahuan ontologi dan Bayesian network (BN) yang telah berjalan/operasional karena pengguna harus menulis ulang informasi probabilistik yang terkandung dalam BN ke dalam ontologi. Penelitian ini mengusulkan konsep pemaduan Bayesian network ke dalam ontologi dan sebaliknya yang menyediakan solusi penalaran logis dan probabilistik secara simultan tanpa harus menulis ulang informasi probabilistik yang terkandung dalam BN ke dalam ontologi. Metode yang digunakan adalah dengan cara menentukan aturan transformasi lalu mengembangkan morpher/transformer berdasarkan aturan dan algoritma dalam sebuah kerangka kerja untuk melakukan penalaran logis dan probabilistik secara simultan. Kerangka kerja tersebut kemudian diuji dengan validasi logis, validasi empiris, dan penilaian pakar (expert judgement) untuk membuktikan validitasnya. Hasil validasi logis menunjukkan bahwa algoritma-algoritma transformasi yang diusulkan terbukti valid dan memenuhi kriteria time complexity dan decidability. Hasil validasi empiris menunjukkan bahwa kerangka kerja yang dibangun terbukti mampu mentransformasikan informasi yang terkandung dalam basis pengetahuan Bayesian network ke dalam ontologi dan demikian pula sebaliknya. Adapun hasil penilaian pakar memperkuat hasil validasi empiris yang dilakukan terhadap kasus-kasus uji yang diambil. Hasil berbagai pengujian tersebut menunjukkan bahwa kerangka kerja yang diusulkan terbukti mampu menyelesaikan permasalahan yang membutuhkan kesatuan penalaran logis dan probabilistik dalam sebuah sistem pengetahuan berbasis ontologi.

---

An ontology-based system can currently logically reason through the Web Ontology Language Description Logic (OWL-DL). To perform probabilistic reasoning, the system must use a separate knowledge base, separate processing, or third-party applications. Previous studies such as BayesOWL, MEBN/PR-OWL, and OntoBayes mainly focus on how to represent probabilistic information in ontologies and perform reasoning through them. These approaches are not suitable for systems that already have running ontologies and Bayesian network (BN) knowledge bases because users must rewrite the probabilistic information contained in a BN into an ontology.

This study proposes the concept of integrating BN into ontology and vice versa which provides simultaneous logical and probabilistic reasoning solution without having to rewrite probabilistic information contained in BN into ontology. The method used is by determining the rules of transformation and then develop a morpher/transformer based on the rules and the algorithms in the form of a framework for simultaneous logical and probabilistic reasoning. The framework is then tested by using logical validation, empirical validation, and expert judgement to prove its validity. The logical validation results show that the transformation algorithms are proven valid and meet the criteria of time complexity and decidability.

The results of empirical validation indicate that the built framework has been proven capable of transforming information contained in the Bayesian networks knowledge base into ontology and vice versa. The results of expert judgement strengthen the results of empirical validation conducted on the test cases taken. The results of these tests indicate that the proposed framework is proven to solve problems that require the unity of logical and probabilistic reasoning in an ontology-based knowledge system."

"Kenaikan tarif listrik PLN sebesar 13% perdua bulan pada tahun 2014 berdampak bagi PT.Semen Padang yang mengandalkan pasokan utama dari PLN. Dampak kenaikan tarif adalah peningkatan biaya belanja listrik ke PLN untuk produksi semen sebesar 33,4%. Penelitian ini bertujuan untuk membangun model untuk mengetahui kelayakan pembangunan captive power plant pada PT. Semen Padang dengan tetap berpegang pada prinsip “good quality of energy at the lowest possible cost” untuk menurunkan belanja listrik. Model yang dibangun adalah metode deterministik dan probabilistik dengan simulasi Monte Carlo. Penelitian ini berhasil membuktikan hipotesis bahwa pembangunan captive power plant layak untuk dilakukan dikarenakan nilai dari NPV > 0 dan IRR > MARR, tetapi dari hasil perhitungan probabiitas resiko menunjukkan probabilitas mendapat NPV > 0 adalah 59.10% sementara probabilitas mendapat IRR > MARR adalah 55,78%, sehingga sebaiknya tidak dibangun pada saat ini menunggu menguatnya nilai tukar rupiah terhadap dollar Amerika.

---

Increasing of electricity tariff by 13% per two months in 2014 will impact to PT Semen Padang that rely on the main supply from PLN. The impact of the tariff increase is the increase in the cost of electricity to PLN for cement production by 33,4%. This research objective to build a model to determine the feasibility of the construction of captive power plant at PT. Semen Padang by sticking to the principle of "good quality of energy at the lowest possible cost" in order to reduce electricity cost. The model which will be built is deterministic and probabilistic methods by Monte Carlo simulations. This research was able to prove the hypothesis that the development of captive power plant is feasible because the value of NPV> 0 and IRR> MARR, but from the calculation of risk indicates taht the probability to get NPV > 0 is 59.10% while the probability to get IRR> MARR is 55.78% , so it should not be built at the time being waiting for the strengthening of the rupiah against the US dollar."

"Makalah ini membantu tentang pengembangan sistem identifikasi pembicara menggunakan analisis spektra orde tinggi dan jaringan neural sebagai pengklasifikasi pola. Analisa spektra orde tinggi ini perlu dipergunakan untuk mengetahui performasinya dalam mengidentifikasi pembicara berdasarkan suara yang terpendam dalam Gaussian noise. Berkaitan dengan proses pengolahan data hasil analisis spektra orde tinggi memerlukan biaya komputasi yang sangat tinggi, maka kompresi data kemudian dilakukan tanpa mengurangi kandungan informasi yan ada di dalamnya. Kompresi data ini dilaksanakan menggunakan jaringan neural hibrida antara SOM dan LVQ, dengan membangkitkan sejumlah vektor pewakil yang dianggap dapat mewakili seluruh vektor pewakil yang dianggap dapat mewakili seluruh vektor data hasil analisa spektra orde tinggi tersebut. Sebagai salah satu faktor dalam memperbandingkan kinerja analisa spektra orde tinggi ini, maka jumlah vektor pewakil dibatasi bergerak antara 25 hingga 343 buah. Jaringan neural probabillistik yang dipergunakan sebagai pengklasifikasi pola, menunjukkan kinerja yang sangat baik untuk dapat menentukan apakah seorang pembicara dapat teridentifikasi dengan benar. Hasil eksperimen menunjukkan bahwa sistem dapat menentukan dengan tingkat ketelitian 100% pada suara dengan tingkat noise 20 dB dan menurun menjadi 97% untuk SNR dB dan 89% untuk SNR 0 dB."

"Keputusan strategis investasi pada proyek infrastruktur seperti pembangunan PLTN menjadi sangat krusial dan membutuhkan analisis yang mendalam. Hal ini terkait dengan karakteristik proyek infrastruktur yang sangat rentan terhadap ketidakpastian. Penelitian ditujukan untuk mengetahui kelayakan finansial proyek PLTN dengan memasukkan sejumlah unsur ketidakpastian melalui pendekatan probabilistik. Teknologi PLTN AP1000 dan PLTN OPR1000 digunakan sebagai PLTN referensi. Analisis probabilistik dilakukan dengan teknik montecarlo yang mensimulasikan keterkaitan di antara variabel-variabel ketidakpastian dan dilihat pengaruhnya terhadap output (LUEC, NPV dan IRR). Analisis ini terbukti mampu memberikan berbagai gambaran kemungkinan output dan variabilitas risiko sehingga dapat memberikan rekomendasi bagi investor dalam melakukan keputusan investasi.

---

Strategic investment decisions on infrastucture project such as NPP development are crucial and require careful analysis and consideration. These are due to the characteristics of infrastructure projects that are vulnerable to uncertainties.

This study aims to analyze financial feasibility of NPP project by including amount of uncertainties by using probabilistic approach. AP1000 and OPR1000 reactor were used as reference plant.

Probabilistic Analysis were done with montecarlo technique which is simulating relationship between uncertainty variables and be seen their influence to output (LUEC, NPV and IRR).

This analysis proved to give many outputs and risks variabilities so that it can give recommendation especially for the investors to do the investment decision."

"Penelitian dilakukan di sub-DAS Tinalah, Kecamatan Samigaluh, Kabupaten Kulon Progo, Provinsi DIY. Penelitian ini bertujuan untuk mengelola resiko tanah longsor di daerah penelitian. Tiga metode diterapkan dalam penelitian ini. Pertama, statistik-probabilistik diterapkan untuk mendapatkan tingkat kerawanan tanah longsor. Statistik multivariat dengan model regresi logistik dieksekusi. Lereng, bentuk lahan, tanah, geologi, dan penggunaan lahan, adalah variabel yang digunakan dalam analisis. Kedua, survei kuesioner dilakukan untuk mendapatkan tingkat kerentanan dari elemen-elemen beresiko. Pemukiman dan jaringan jalan adalah elemen beresiko yang dianalisis. Stratified random sampling diterapkan pada penilaian kerentanan. Ketiga, matriks resiko diterapkan untuk memperoleh tingkat resiko longsor di daerah penelitian. Hasil penelitian menunjukkan bahwa 59,4 tingkat kerawanan longsor di sub-DAS Tinalah dikategorikan ke dalam tingkat sedang. Probabilitas longsor masa depan lebih besar dari 0,6. Persamaan regresi logistik membuktikan bahwa geologi adalah faktor yang paling berperan pada longsor di daerah penelitian. Tingkat kerentanan permukiman dikategorikan dalam tingkat sedang, sementara jaringan jalan dalam rentan tinggi. Berdasarkan matriks resiko, tingkat risiko tanah longsor di daerah penelitian dikategorikan sebagai tingkat sedang.

---

The study was conducted in sub watershed Tinalah, District Samigaluh, Kulonprogo Regency, Yogyakarta Province. This study aims to manage the risk of landslides in the study area. The three methods applied in this study. First, the statistical probabilistic applied to obtain the level of vulnerability to landslides. Multivariate statistical logistic regression model was executed. Slope, landform, soils, geology, and land use, the variables used in the analysis. Second, a questionnaire survey conducted to gain a level of vulnerability of elements at risk. Settlements and road network are at risk of the analyzed elements. Stratified random sampling was applied to the assessment of vulnerability. Third, the risk matrix is applied to obtain the level of risk of landslides in the study area. The results showed that 59.4 level of vulnerability to landslides in the sub watershed Tinalah are categorized into levels. The probability of future landslides greater than 0.6. Logistic regression equation to prove that geology is the factor most responsible for the landslides in the study area. The vulnerability of settlements are categorized in level, while the road network in high vulnerable. Based on the risk matrix, the risk of landslides in the study area is categorized as moderate."