Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"Makalah ini mencoba mengembangkan suatu konsep yang memanfaatkan proses penalaran manusia pada komputer dalam penentuan rute terpendek dari suatu jaringan transportasi. Proses ini diilustrasikan pada contoh dimana seseorang pemakai kendaraan umum (misal kereta api, bus) yang akan melakukan perjalanan dari suatu titik asal ke suatu titik tujuan. Dengan mempelajari peta akan melakukan perjalanan dari suatu titik asal ke suatu titik tujuan. Dengan mempelajari peta jaringan angkutan umum, maka biasanya ia akan dapat menentukan rute terpendek dalam menempuh perjalanana tersebut, Dengan aplikasi tersebut hasil rute terpendek yang terpilih cukup mendekati rute yang optimal dengan waktu penentuan yang cukkup singkat. Konsep penalaran yang demikian dapat dipilah menjadi 4 tahapan : a) pengenalan jaringan transportasi b) penyederhanaan bentuk jaringan c) pelacakan rute terpendek pada jaringan sederhana d) pelacakan rute terpendek pada jaringan sebenarnya dengan memanfaatkan rute sementara pada tahap. Sejalan dengan penalaran untuk dapat diimplementasikan ke dalam bentuk program komputer dan algoritma yang dikembangkan untuk menentukan rute dari satu simpul asal ke banyajk simpul tujuan, bila diimplementasikan pada komputer berbasis paralel prosessor. Juga perlu dikembangkan suatu tahapan yang dapat mentransformasikan suatu bentuk jaringan yang direpresentasikan oleh simpul ruas dan kinerja ruas ke bentuk jaringan dengan besaran koordinat."

"One of the problems faced in applying neural network to some realworld application is related to difticulties in finding an optimum set of weightsand thresholds during the training phase. A general most method in tindingthese solutions for these problems is backpropagation.A different method to tind the solutions of the same problems isGenetic Algorithms. Genetic algorithm is relatively new search algorithm thathas not been fully explored in this area. ln this thesis, genetic algorithms areapplied to train neural networks and to evolve an optimum set of weights andthresholds. Process begin with encode neural networks parameters to binarychromosomes, and evaluate. The Spinning wheel selections are using toproduce offspring with high titness_ then recombinate with crossover andmutation as genetic operator.The proiect carried out investigates whether genetic atgonthms can beapplied to neural networks to solve pattem classitication and functionapproximation problems. This thesis describes tl1e simulation works thathave been perfomwed. It describes the design ofa genetic algorithm and theresults obtained. ln pattem classilication problem that use feedforwardnetwork show, that genetic algorithm is superior to backpropagation trainingrule in error and speed calculation. ln function approximation, the resultshows that genetic algorithm approach is very much slower than thebackpropagation method. Results' show that even for relatively simplenetwork, genetic algorithm requires a much longer time to Uain neuralnetworks-"

"CV Jati Agung Furniture merupakan sebuah perusahaan furniture yang menerima pesanan baik dalam maupun luar negeri. Produk yang dihasilkan terdiri atas bermacam-macam mdoel meja, kursi, almari, pintu, tempat tidur, dan berbagai furniture lainnya sesuai dengan pesanan konsumen (job order). Selama ini perusahaan seringkali tidak dapat memenuhi kebutuhan pesanan dari konsumen tepat pada waktunya. Hal ini terjadi karena selama ini perusahaan menjadwalkan produksinya berdasarkan first come first serve dan berdasarkan produk yang terbesar jika job datang pada hari yang sama tanpa memperhatikan due date yang disepakati."

"Algoritma Lempel-Ziv adalah algoritma yang digunakan luas pada domain kompresi data secara umum. Salah satu algoritma yang diusulkan oleh Lempel-Ziv dikenal dengan LZ77. Aplikasi algoritma ini sangat menarik untuk kompresi teks, tetapi apakah pengembangan modifikasinya untuk melakukan kompresi citra secara lossy juga menjanjikan. Pada modifikasi lossy LZ77 kompresi dilakukan dengan pencarian string yang memiliki ?kemiripan?, dan perulangannya dikodekan. Tantangan yang dihadapi adalah efisiensi waktu dan kompresi. Melalui penelitian secara empiris penulis mencoba untuk menguji kebenaran pendapat yang dikemukakan oleh Atallah et al. mengenai efisiensi yang dapat dilakukan terhadap modifikasi lossy dari LZ77. Sensitivitas terhadap input masih dirasakan pada saat menggunakan kompresi ini."

"Laporan Tugas Akhir ini berisi mengenai penelitian yang dilakukan oleh penulis dalam membandingkan kinerja beberapa algoritma, yang tergolong ke dalam agglomerative hierarchical, dalam hal melakukan clustering dokumen untuk mendapatkan solusi hierarchical cluster. Algoritma yang diperbandingkan adalah algoritma single link, complete link, dan average. Proses perbandingan dilakukan berdasarkan kualitas cluster yang dihasilkan pada sejumlah dataset. Hasil penelitian menunjukkan bahwa algoritma average merupakan algoritma yang terbaik dalam menghasilkan solusi hierarchical cluster, diikuti oleh algoritma single link, dan algoritma complete link.Penelitian ini juga melakukan penerapan teknik dalam feature selection untuk melihat seberapa besar efisiensi yang bisa diperoleh tanpa harus mengurangi kualitas solusi cluster yang dihasilkan. Teknik feature selection yang dipergunakan meliputi pembatasan nilai Document Frequency dan Information Gain. Efisiensi yang dilakukan oleh kedua teknik ini adalah melakukan pemilihan kata-kata yang penting saja yang diikutsertakan dalam proses clustering. Penelitian ini mencoba melihat seberapa besar efisiensi yang dapat diperoleh masing-masing teknik dan kemudian membandingkannya satu sama lain. Hasil penelitian menunjukkan bahwa kedua teknik baik pembatasan nilai Document Frequency dan Information Gain mampu melakukan efisiensi pada titik-titik reduksi yang sudah ditetapkan yaitu sebesar 10%-90% dari jumlah kata unik yang ada tanpa kualitas yang berkurang. Selain itu, hasil penelitian menunjukkan bahwa kedua teknik ini sama efektifnya dalam mereduksi dimensi dari dataset yang dipergunakan."

"Algoritma pencarian string telah menjadi topik yang ramai dibicarakan di dunia komputer sejak berpuluh-puluh tahun yang lalu. Banyak para ahli yang mencoba menemukan algoritma pencarian string yang dapat memberikan hasil yang tepat dalam waktu singkat. Algoritma-algoritma baru bermunculan untuk memperbaiki kinerja algoritma pencarian string yang telah ada sebelumnya. Pentingnya sebuah algoritma pencarian string yang mampu memberikan hasil yang tepat dalam waktu yang relatif cepat memang sangat beralasan. Mengingat manipulasi string sangat diperlukan dalam dunia komputer. Banyak hal yang dapat dilakukan dengan adanya algoritma pencarian string yang handal. Permasalahan yang sering berkaitan dengan pengolahan string adalah mengenai ukuran data yang sangat besar dan juga pola atau karakteristik string yang berbedabeda. Ukuran data yang sangat besar jelas memberikan pengaruh yang besar terhadap waktu serta space yang dibutuhkan untuk melakukan pencarian. Sedangkan karakteristik dari string yang akan diproses berpengaruh terhadapkematangan sebuah algoritma pencarian string. Algoritma yang dapat bekerja dengan baik pada string umum (string yang terdiri dari banyak jenis karakter serta tidak memiliki pola tertentu) belum tentu dapat memberikan hasil yang sama apabila diterapkan pada string yang khusus. String khusus yang dimaksudkan di sini adalah string yang hanya terdiri dari karakter-karakter tertentu saja ataupun string yang memiliki pola tertentu. Salah satu string khusus yang berbeda dari string yang akrab dengan kehidupan manusiasehari-hari adalah string yang berisi informasi DNA mahluk hidup. Jenis string ini hanya terdiri dari empat karakter inti, yaitu A, C, G, dan T. Hanya dari empat karakter tersebut, dapat tersusun milyaran informasi DNA yang berbeda-beda. Pencarian string pada data DNA (data genomic), merupakan suatu permasalahan yang patut diberikan perhatian khusus. Karena penelitian mengenai DNA mahluk hidup merupakan suatu penelitian yang mendatangkan banyak sekali manfaat bagi seluruh mahluk hidup. Manfaat dari proses pencarian atau pencocokan string pada data genomic antara lain adalah untuk mengetahui kemiripan suatu mahluk hidup dengan mahluk hidup lain ataupun juga mengetahui manfaat dari suatu protein SK-661-Pencarian string dgn...DesianaNurulM.;FASILKOM;2007 iv tertentu dengan melakukan perbandingan dengan protein-protein yang terdapat di bank data protein. Oleh karena itu, sangat beralasan jika algoritma pencarian string untuk data genomic yang dapat memberi kan hasil yang tepat dalam waktu yang singkat sangat diperlukan."

"Generalized Assignment Problem (GAP) adalah masalah penugasan sejumlah berhingga tugas pada sejumlah berhingga agen, dimana sebuah tugas harus dikerjakan oleh satu agen, tetapi satu agen dapat mengerjakan lebih dari satu tugas. Setiap agen mempunyai kapasitas dan setiap tugas mempunyai bobot, yang mungkin berbeda untuk setiap agen. Pada skripsi ini akan dilihat kinerja dari algoritma MAX-MIN Ant System (MMAS) dengan Local Search dalam menyelesaikan GAP, yang diukur berdasarkan kedekatan solusi yang didapatkan dengan best known solution. MMAS adalah pengembangan dari Ant System Algorithm, yaitu algoritma yang diinspirasikan oleh perilaku semut-semut di dunia nyata. Dalam algoritma ini terdapat parameter ??, Q, ??, dan p0 yang harus ditentukan, yang diambil menurut rekomendasi St??tzle dan Hoos. Lalu nilai dari parameter Q, ??, dan p0 akan diubah untuk mengetahui pengaruhnya terhadap kinerja algoritma MMAS dengan Local Search. Masalah pengujian diambil dari OR-Library. Berdasarkan simulasi, disimpulkan bahwa kinerja algoritma MMAS dengan Local Search dalam menyelesaikan GAP cukup baik dengan error relatif cukup kecil, yaitu tidak lebih dari 0.04 dan perubahan nilai parameter dapat membawa perbaikan pada solusi."