Hasil Pencarian  ::  Simpan CSV :: Kembali

"Jaringan saraf tiruan telah banyak dikembangkan untuk aplikasi pengenalan pola objek 3 dimensi. Salah satu metode pengenalan objek 3 dimensi melalui citra 2 dimensi dari berbagai sudut pandang telah dikembangkan dengan cara memodifikasi arsitektur lapis tersembunyi pada jaringan multi-layer perceptron menjadi bentuk silindris dan menggunakan metode pelatihan propagasi balik yang dikenal dengan Cylindrical Hidden Multi-Layer Perceptron Back Propagation (CHMLP-BP).Metode ini melibatkan pasangan berarah antara vektor sudut pandang terhadap objek dengan vektor posisi neuron pada lapis tersembunyi yang diabstraksikan ke dalam konstanta yang akan berperan dalam proses pelatihan maupun pengenalan[1]. Kinerja JST CHMLP-BP tersebut masih kurang baik dan diperbaiki dengan menambah neuron pada lapis tersembunyi secara acak sehingga membentuk arsitektur lapis tersembunyi konsentris[2]. Walaupun kinerja meningkat, pertambahan neuron pada lapis tengah secara acak belum membuktikan bahwa struktur jaringan dan kinerja jaringan telah optimal.Algoritma Genetika adalah sebuah teknik untuk pencarian solusi optimal untuk berbagai macam permasalahan. Penulis menggunakan Algoritma Genetika untuk mencari struktur jaringan dan kinerja jaringan yang telah optimal.Penggunaan Algoritma Genetika untuk optimasi terhadap JST CHMLP-BP dilakukan terhadap dua hal. Satu, optimasi pada jumlah bobot-bobot koneksi jaringan, dengan membuang koneksi-koneksi yang tidak diperlukan. Dua, optimasi pada jumlah neuron-neuron tersembunyi, dengan membuang neuron-neuron tersembunyi yang tidak diperlukan.Hasil eksperimen menunjukkan bahwa dengan parameter-parameter yang tepat, Algoritma Genetika dapat mereduksi ukuran jaringan dan meningkatkan kemampuan pengenalan pola. Analisa terhadap parameter-parameter tersebut menunjukkan penggunaan parameter-parameter yang berbeda untuk tiap persoalan optimasi JST."

"ABSTRAKSaat ini, perusahaan minyak di Indonesia secara bertahap menjadi lebih fokus pada pengoptimalan logistik hulu mereka. Salah satu sumber daya tertinggi yang digunakan dalam logistik hulu adalah kapal ldquo;Offshore Supply Vessel rdquo;. Kapal ldquo;Offshore Supply Vessel rdquo; digunakan untuk melaksanakan fungsi pasokan reguler ke instalasi lepas pantai secara berkala dari basis pasokan darat. Perencanaan efisien operasi kapal sangat penting karena keputusan tentang ukuran armada kapal dan pemanfaatannya memiliki efek ekonomi yang kuat karena biaya kapal yang mahal.Data untuk penelitian ini disediakan oleh salah satu perusahaan minyak dan gas di Indonesia. Perusahaan ini tidak memiliki kapal pasokan lepas pantai, mereka disewa dari perusahaan pelayaran. Dalam penelitian ini, kami menyajikan Genetic Algorithm GA sebagai metode untuk menentukan jumlah kapal pasokan lepas pantai yang disewa untuk melakukan operasi, menentukan komposisi armada kapal pasokan lepas pantai yang optimal dan penugasan mereka sesuai jadwal. Tujuan dari penelitian ini adalah untuk merancang model optimasi untuk ukuran armada dan masalah penugasan dalam operasi kapal suplai lepas pantai di Indonesia. Hasil dari penelitian ini jumlah armada ldquo;Offshore Supply Vessel rdquo; yang beroperasi dapat dikurangi sehingga total biaya operasional dan sewa kapal dapat dikurangi.

---

ABSTRACTNowadays, oil companies in Indonesia are gradually becoming more focused on optimizing their upstream logistics. One of the most costly resources used in upstream logistics are offshore supply vessels. Offshore supply vessels are used to carry out regular supply function to offshore installation on periodic basis from onshore supply bases. The efficient planning of supply vessel operation is extremely important since the decision on the size of the supply vessel fleet and its utilization has a strong economic effect as the vessel cost are rather expensive. The data for this research was provided by one of oil and gas company in Indonesia. This company does not own offshore supply vessels, they are hired from the shipping company. In this research, we present Genetic Algorithm GA as method to decide the number of offshore supply vessels hired to perform the operation, determine the optimal fleet composition of offshore supply vessel and their assignment as per schedules. The objective of this research is to design an optimization model for fleet sizing and assignment problem in offshore supply vessel operations in Indonesia. The result of the research is the number of offshore supply vessel can be reduced and impacted the overall operational cost and rest cost. "

"Citra fraktal merupakan citra yang memiliki sifat self-similarity. Hal ini berarti bahwa fraktal tersusun atas bagian-bagian yang tampak sama dengan gambar itu sendiri secara keseluruhan. Penelitian ini bertujuan untuk melakukan kompresi citra menggunakan metode kompresi citra fraktal. Prinsip kompresi citra fraktal adalah melakukan pencarian blok ranah yang paling mirip dengan blok jelajah, kemudian menurunkan transformasi affine kontraktif yang memetakan blok ranah ke blok jelajah tersebut. Percobaan kompresi citra menggunakan metode kompresi citra fraktal memberikan rasio kompresi yang cukup tinggi. Penerapan algoritma genetika pada kompresi citra fraktal bertujuan mengurangi jumlah pemasangan blok ranah dan blok jelajah sehingga mempersingkat waktu kompresi."

"Sistem boiler pada pembahasan tesis ini merupakan sistem mutivariabel, yang mempunyai empat variabel keadaan, dua variabel masukan dan dua variabel keluaran. Dengan variabel pengendali adalah tekanan drum (drum pressure) (y1) dan selisih tingkat air/level air didalam drum (drum water level) (y3 ), sedangkan variabel yang dimanipulasi adalah laju aliran bahan bakar (fuel flow rate) ( u1 ) dan laju aliran air pengisi drum (feedwater flow rate) (u3).Tujuan dari sistem pengendalian boiler adalah untuk mengatur tekanan uap (drum pressure) (y1) disekitar 320 psi dan level air di dalam drum (drum water level) (y3) disekitar 0 inch terhadap perubahan beban uap. Salah satu pengendalian sistem boiler adalah pengendali PI. Pengendali PI ini akan mengendalikan boiler agar boiler mampu memiliki kinerja yang baik karena pengendali PI dapat mempercepat respon sistem menuju setpoint dan dapat menghilangkan offset atau error steady state.Pada pembahasan tesis ini pengendalian sistem boiler akan melakukan penalaan parameter pengendali PI berbasis algoritma genetika untuk mendapatkan nilai parameter yang optimal.Hasil yang diperoleh dari penalaan PI berbasis algoritma genetika pada pembahasan tesis ini sudah dapat mencapai kriteria yang diinginkan seperti overshoot, rise time dan settling time. Dan respon keluaran dari pengendali PI yang ditala dengan algoritma genetika ternyata menunjukkan hasil yang lebih baik jika dibandingkan dengan respon keluaran dari pengendali PI yang ditala dengan cara trial error seperti pada acuan [2] dan [3].

---

Boiler system described in this thesis is multivariable system, which have four state variable, two input and two output variable. Where variable control is drum pressure (y1) and delta drum water level (y3), whereas the manipulated variable is fuel flow rate (u1 ) and feedwater flow rate (u3 ).

The purpose in this boiler control is to make the drum pressure (y1) around 320 psi and drum water level (y3) around 0 inch towards the changes of steam load. One of boiler system control is PI controller. PI controller will control the boiler to make the boiler have a good performance, because PI controller can enforce system response more quicker into the set point and can eliminate offset or error steady state.

In this thesis a boiler system controller will do a tunning parameter on PI controller based on Genetic Algoritms to produce optimal parameter value.

The result from PI tunning based on Genetic Algorithm in this thesis already fulfill the criteria like overshoot, rise time, and settling time. And output respons from PI controller that have been tunning with genetic algoritms shows the better result when compares with output response from PI controller which tunning with trial error method [2] , [3]."

"Desain optimal dari bangunan hemat energi menghadapi dua kebutuhan yang saling bertentangan, yaitu biaya yang seekonomis mungkin dan dampak lingkungan yang seminimal mungkin. Tingginya biaya bangunan hemat energi seperti near Zero Energy House disebabkan oleh tingginya harga peralatan dan material yang diaplikasikan seperti panel surya, insulasi dan lain-lain. Tujuan dari penelitan ini adalah menemukan desain yang optimal dari sebuah near Zero Energy House, dengan studi kasus terhadap rumah 1 tingkat. Sasaran dari optimasi desain ini adalah kinerja biaya siklus hidup yang lebih ekonomis jika dibandingkan dengan bangunan konvensional. Metode optimasi dengan algoritma genetika adalah metode optimasi paling sesuai untuk permasalahan optimasi desain yang memiliki banyak variabel. Sangat sulit untuk menemukan solusi tunggal, atau solusi terbaik untuk optimasi desain. Dengan menggunakan algoritma genetika, perancang bangunan dapat memilih salah satu dari solusi terbaik hasil optimasi yang sesuai dengan permintaan dan batasan-batasan yang ada.

---

Optimal design of energy efficient buildings facing two conflicting requirements, namely costs as economical as possible and minimal environmental impact. The high cost of energy efficient buildings as near Zero Energy House due to the high price of equipment and materials that are applied as solar panels, insulation and others.

The purpose of this research is to find the optimal design of a near Zero Energy House, with a case study on the first level. The goal of this design is the optimization of life cycle cost performance is more economical when compared to conventional buildings.

Optimization method with genetic algorithm optimization is the most suitable method for design optimization problem that has many variables. It is very difficult to find a single solution, or the best solution for design optimization. By using genetic algorithms, building designer can choose one of the best results of the optimization solution according to the demand and constraints that exist."

"Dalam teori graf, masalah jalur terpendek merupakan suatu masalah pencarian jalur antara dua verteks sedemikian sehingga jumlah bobot dari busur penyusunnya adalah minimum. Masalah jalur terpendek ini salah satunya dapat ditemui pada jaringan data, yakni proses routing pada saat pengiriman data dari node sumber ke node tujuan. Terdapat beberapa algoritma atau metode yang dapat memecahkan masalah jalur terpendek ini, pada skripsi ini akan dibahas penerapan algoritma genetika yang didasarkan prinsip evolusi biologi dalam penyelesaian jalur terpendek. Operator dasar yang digunakan pada skripsi ini adalah roda roulette untuk reproduksi, order crossover untuk crossover, dan insertion mutation untuk mutasi. Kinerja algoritma genetika akan diuji dengan menggunakan data dari OR-Library. Berdasarkan hasil percobaan diperoleh bahwa algoritma genetika cukup baik untuk digunakan dalam penyelesaian masalah jalur terpendek. Selain itu, ditunjukkan bahwa perubahan nilai parameter algoritma genetika ternyata mempengaruhi kinerja algoritma genetika dalam memperoleh solusi.

---

In graph theory, shortest path problem is a problem of finding a path between two vertices such that the total cost of the constituent edges is minimum. Shortest path problem can be found in data networks, namely routing process, when transmitting data from a source node to a destination node. There are several algorithms or methods that can solve this problem. In this final project, genetic algorithm based on principles of evolutionary biology is used to solve it. The basic operator for the genetic algorithm that used are the roulette-wheel for reproduction, order crossover, and insertion mutation. The performance of the genetic algorithm will be applied by using data from OR-Library. Based on the experiment result, the genetic algorithm is good enough to solve the shortest path problem. In addition, changes in values of parameters will affect the performance of the genetic algorithm in obtaining a solution."