Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"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."

"Generalized Assignment Problem (GAP) adalah masalah penugasan sehimpunan berhingga tugas ke sehimpunan berhingga agen. Setiap tugas mempunyai bobot dan biaya penyelesaian yang mungkin berbeda untuk setiap agen. Setiap agen mempunyai kapasitas sumber daya dan tidak boleh mengerjakan tugas melebihi kapasitasnya. Pada skripsi ini dilihat kinerja dari algoritma genetik dalam menyelesaikan GAP. Algoritma genetik terinspirasi oleh teori evolusi biologi. Operator utama yang digunakan adalah binary tournament selection, one point crossover, dan swap mutation. Untuk meningkatkan kinerja, ditambahkan local improvement steps dan replacement scheme. Kinerja algoritma genetik diukur dari kedekatan solusi yang diperoleh dengan Best Known Solution (BKS) dari masalah penguji yang diambil dari OR Library. Selain itu, juga dilihat pengaruh perubahan nilai probabilitas crossover PC dan probabilitas mutasi Pm terhadap kinerja algoritma genetik. Berdasarkan percobaan, disimpulkan bahwa kinerja algoritma genetik dalam menyelesaikan GAP cukup baik, dengan kesalahan relatif nilai fungsi tujuan solusi terbaik terhadap BKS cukup kecil, yaitu tidak lebih dari 0.03. Dari percobaan mengubah nilai parameter, diperoleh dengan PC = 0.6, nilai Pm yang cukup baik adalah 0.25 ? 0.3. "

"ABSTRAKDalam suatu sistem tenaga listrik, menjalankan seluruh unit pembangkit yang tersedia untuk melayani beban adalah tidak ekonomis. Untuk menentukan unit-unit mana yang harus beroperasi melayani beban tertentu merupakan problem penjadualan operasi unit (unit commitment). Penjadualan operasi unit pembangkit, terutama pembangkit termal, sangat penting dalam pengoperasian sistem tenaga listrik karena berkaitan langsung dengan biaya pemakaian bahan bakar. Penjadualan operasi unit pembangkit yang optimal dapat memberikan penghematan yang cukup besar terhadap biaya operasi tahunan.Ada beberapa metode yang digunakan untuk mendapatkan penjadualan yang optimal, diantaranya metoda urutan prioritas (priority list), lagrange, programa dinamik dan sistem pakar. Perhitungan yang parsial pada metode urutan prioritas dan programa dinamik yang membutuhkan waktu perhitungan yang lama serta kebutuhan memori yang besar bila sistemnya cukup besar. Sedangkan sistem pakar bergantung pada kaidah-kaidah empiris dan pengetahuan sebelumnya.Metode yang diusulkan pada tesis ini menggunakan algoritrna yang cukup sederhana, yakni algoritma genetik. Dari simulasi penjadualan operasi sejumlah 38 pembangkit area 1 sistem kelistrikan Jawa-Bali, dibutuhkan waktu komputasi selama 6 menit. Sedangkan biaya pembangkitannya sekitar 2 - 3 % lebih hemat dibandingkan dengan metode urutan prioritas dan Lagrange.

---

ABSTRACT

In power system, it is not economical to run all the units available all the time. To determine the units of a plant that should operate for a particular load is the problem of unit commitment. An optimal scheduling of the units can provide substantial annual savings in fuel costs.

A number of method have been proposed for solving the units scheduling problem, that include priority list, Lagrangian relaxation, dynamic programming and expert systems. The partial enumeration schemes in dynamic programming usually suffer from large computation times and excessive memory requirements as the problem size increases. The expert systems rely on empirical rules and past knowledge.

The method proposed in this thesis uses a simple algorithm, called genetic algorithm (GA). The simulation of units schedulling consist of 38 units in area l Java-Bali interconnected systems has shown that GA method is able provide fuel costs saving around 2 - 3 % over priority list and Lagrangian method within 6 minutes cpu time."

"Buku ini terdiri atas beberapa teks, yaitu: 1. Padhalangan (yang menggunakan bahasa kedhaton); 2. Panggugah marang wong nyeret (menggunakan dialog orang Rembang); 3. Piwulanging jagad (menggunakan basa krama); 4. Layang kiriman (menggunakan basa madya krama); 5. Dongeng Jawa Pak Malet (menggunakan basa ngoko); 6. Caturane wong tanah Pekalongan; 7. Panggugah marang wong bakulan (basa madya ngoko); 8. Boetjoe kaliyan woeta (krama inggil); 9. Jaman rumiyin kaliyan jaman sapunika (krama dhusun)."

"ABSTRACT

TIn order to optimize gas resources properly, it is necessary to maintain the balancing between the level of domestic demand for gas and the supply itself. However, gas producers have to face the problem since the resources are spread out through all Indonesia's islands while the major consumers are concentrated only in one island, Java island. Due to natural gas resources cannot be stored and gas is provided mostly based on the demand level for it, physical distribution have to be done by inter-island pipeline system to fulfill the demand.

The optimization of transmission is limited to the each day contractual nomination during the year period. These situation leads transmission optimization getting complicated and difficult to handle manually. Transferring gas should be done in accordance to the determination of quality specification to ensure stabilization system.

In this study genetic algorithms will be discussed in order to solve the problem properly. Originally, genetic algorithms theory come from biological genetic evolution theory. Genetic algorithms theory come from biological genetic evolution theory. Genetic algorithms is applied in pipeline system because genetic algorithms can provide optimal global solution relatively abrupt without distracting local solution. This study will only elaborate power optimization in gas compression process. To minimize total horsepower from the compressor in conjunction with the real condition is an objective function.

The application Genetic Algorithms of optimization in gas compression process was implemented. By implementing genetic algorithms in gas pipeline system will.

---

ABSTRAKDalam upaya pemanfaatan gas secara optimal keseimbangan antara penyaluran dengan kebutuhan dalam negeri harus selalu dijaga. Permasalahan yang dihadapi oleh produsen gas adalah sumber yang ada menyebar di seluruh Indonesia sedangkan konsumen gas terbesar terdapat di Pulau Jawa. Penyediaan gas alam tergantung dari permintaan karena tidak dapat ditampung maka untuk memenuhi permintaan secara fisik, distribusi komoditi dilakukan melalui jaringan pipa yang menyeluruh di kepulauan.Optimasi transmisi menjadi sangat kompleks dan sukar untuk dipecahkan secara manual, karena terbatas pada nominasi kontraktual setiap hari pada sepanjang tahun, penyerahan gas pada kualitas spesifikasi yang ditetapkan dan dalam pengoperasian dan pemeliharaan dengan cara aman, ekonomis dan efisien agar menjamin kestabilan sistem.Untuk memecahkan permasalahan tersebut, dalam studi ini diperkenalkan Algoritma Genetik yang meniru teori evolusi genetika dalam biologi. Algoritma Genetik dapat diaplikasikan pada bidang teknologi. Pada penelitian ini, metode tersebut diaplikasikan dalam sistem perpipaan, karena dapat menemukan solusi global optimal dengan cepat tanpa terganggu solusi lokal. Pada studi ini lingkup permasalahan dibatasi pada optimasi daya yang digunakan pada proses kompresi gas. Sebagai fungsi obyektif adalah meminimumkan total horsepower dari kompresor dengan batasan-batasan sesuai dengan kondisi nyata.Dalam tesis ini dihitung total horsepower dan prosentase utilisasi kompresor terhadap kompresor yang tersedia. Aplikasi Algoritma Genetik pada optimisasi kompresi dalam sistem transmisi gas dapat meningkatkan kinerja dari total horsepower yang sangat membantu dalam pengambilan keputusan dalam merencanakan.sarana transportasi gas."