Hasil Pencarian  ::  Simpan CSV :: Kembali

"Manajemen usaha penyediaan tenaga listrik merupakan hal yang kompleks. Salah satu hal yang penting dalam manajemen penyediaan tenaga listrik, khususnya dalam perencanaan adalah peramalan tenaga listrik di masa yang akan datang. Peramalan (forecasting) adalah suatu kegiatan atau usaha untuk memprediksi kondisi di masa yang akan datang dengan bantuan model untuk merepresentasikannya. Dalam membuat peramalan, keakuratan merupakan kriteria utama dalam menentukan metode peramalan. Dalam penelitian ini metode algoritma genetik digunakan untuk membuat peramalan beban tenaga listrik. Algoritma Genetik adalah algoritma pencarian yang meniru mekanisme evolusi dan genetik alam. Dalam proses peramalan, dilakukan optimasi parameter-parameter model dengan meminimalkan nilai mean square error (mse). Model peramalan yang dikembangkan dengan algoritma genetik dapat mendekati model sebenarnya. Parameter optimal model peramalan jangka panjang adalah A= 1.558, B1= 0.642, B2= 1.188, B3= -0.437, B4= -0.378, B5= -0.484, dan B6= 0.848, sedangkan untuk jangka menengah adalah adalah α= 0.6383 ,β=0, dan γ=0.8289. Laju pertumbuhan beban rata-rata hasil ramalan jangka panjang tahun 2008-2017 sekitar 6.9%. Peramalan beban jangka menengah memberikan hasil yang lebh baik jika dibandingkan dengan peramalan dari PLN P3B Jawa-Bali dengan jumlah selisih eror sebesar 0.44%.

---

Managing electricity energy supply is a complex task. The most important part of electricity supply management, particularly in utility planning is forecasting of the future electricity load. Forecasting is a process to predict future conditions usually achieved by constructing models on relative information and some assumptions. In making a electricity forecasting, accuracy is the primary criteria in selecting forecasting methods.

In this research, a genetic algorithm approach is proposed to build electricity load forecasting. Genetic algorithms are global search methods that mimic the methapor of natural evolution and genetic. Parameter optimization process have done by minimize mean square error (mse).

Load forecasting model using genetic algorithm gives model which is almost the same with actual data. Optimal parameters for long term model are: A= 1.558, B1= 0.642, B2= 1.188, B3= -0.437, B4= -0.378, B5= -0.484, dan B6= 0.848, for medium term model are: α= 0.6383 ,β=0, dan γ=0.8289. Annual growth rate for 2008-2017 using genetic algorithm model is about 6.9%. Medium term forecasting using genetic algorithm gives better result than PLN P3B Java-Bali forecasting with sum error difference about 0.44%."

"Nilai transaksi perdagangan pada pasar valuta asing di seluruh dunia mencapai 3 Trilliun US Dollar setiap harinya. Dengan latar belakang seperti ini, wajar jika dibutuhkan sebuah sistem yang dapat memprediksi nilai kurs valuta asing dengan akurat. Dalam tugas akhir ini akan digunakan algoritma memetika untuk memprediksi kurs valuta asing. Algoritma memetika merupakan gabungan dari algoritma genetika dengan algoritma pencarian lokal. Model regresi yang digunakan yaitu model autoregressive, dimana untuk memprediksi nilai kurs pada hari ke n+1 digunakan data n hari sebelumnya.Tujuan dari penulisan tugas akhir ini adalah untuk melihat kemampuan dari algoritma memetika dalam memprediksi kurs valuta asing. Kemampuan dari algoritma memetika ini akan diukur berdasarkan persentase error yang relatif terhadap data kurs sebenarnya. Percobaan dilakukan menggunakan data kurs USD/IDR, USD/EUR, USD/GBP, USD/CHF, dan USD/JPY dari tahun 2000 sampai tahun 2007. Prediksi dilakukan dengan beberapa jenis data, yaitu data harian, mingguan, dan bulanan.Dari hasil percobaan, disimpulkan bahwa kemampuan algoritma memetika dalam memprediksi kurs valuta asing cukup baik. Persentase error terkecil didapat dari data 5 harian dengan kurs USD/IDR sebesar 0,3852 %, sedangkan persentase error terbesar didapat dari data 6 bulanan dengan kurs USD/EUR sebesar 4,4766 %.Kata kunci : algoritma genetika; prediksi; kurs valuta asingx + 46 hlm.; lamp;Bibliografi: 9 (1993 - 2007)"

"Perkembangan teknologi prosesor seperti multicore menjadi bagian dari pengembangan HPC. Pengujian terhadap algoritma paralel dengan MPICH2 dan Cilk++ menggunakan variabel jumlah proses dan core diharapkan dapat menunjukkan perbedaan kinerja (waktu proses) yang signifikan.Analisis yang dilakukan pada hasil eksperimen menunjukkan implementasi algoritma paralel dengan MPICH2 memberikan speed-up hingga 5,987 pada perkalian matriks dan 4,175 pada pengurutan data (sorting) serta efisiensi hingga 0,967 dan 0,721 pada masing-masing aplikasi.Sedangkan implementasi algoritma paralel dengan Cilk++ memberikan speed-up relatif hingga 25,126 pada perkalian matriks dan 9,105 pada pengurutan data (sorting) serta efisiensi relatif hingga 6,672 dan 2,593 pada masing-masing aplikasi.

---

Developments of processors technology like multicore become apart of HPC developments. The experiments that apply the parallel algorithms using MPICH2 and Cilk++ with variables at process and core amount are expected can show significant differences of the performance (process time).The analysis done to the experiment results showed that the parallel algorithms implementation using MPICH2 give speed-up until 5.987 at matrix multiplication and 4.175 at data sorting also give efficiency until 0.967 and 0.721 at each following applications.While the parallel algorithms implementation using Cilk++ give relative speed-up until 25.126 at matrix multiplication and 9.105 at data sorting also give relative efficiency until 6.672 and 2.593 at each following applications."

"Tugas akhir ini membicarakan Algoritma Out-of-Kilter serta penerapannya pada persoalan minimal cost Circulation. Algoritma Out-of kilter berdasarkan teori dualitas dari persoalan Linier Programming, sangatlah efektif bila algoritma ini diterapkan pada pesoalan-persoalan jaringan yang berskala besar."

"Tugas akhir ini membahas 2 algoritma untuk menentukan himpunan bebas maksimum pada graph busur sirkular. Algoritma tersebut adalab algoritma dari LEUNG dan algoritma dari MASUDA NAKAJIMA. Kemudian dilakukan perbandingan pada kedua algonitma tersebut untuk menentukan algoritma yang terbaik ditinjau dari sudut kompleksitas waktu."

"Dibahas pembentukan algoritma paralel perhitungan perkalian matriks pada komputer SIMD dengan model jaringan keterhubungan elemen prosesor berbentuk pohon, mesh dimensi 2 dan hiperkubus. Masing-masing model tersebut terdiri dari O(n), O(n2) dan O(n3) elemen prosesor. Kompleksitas waktu dari algoritma paralel perhitungan perkalian matriks adalah O(n2 + log2n) pada model keterhubungan pohon, O(n) pada model keterhubungan mesh dimensi 2 dan O(log2n) pada model keterhubungan hiperkubus."

"Untuk menghitung nilai suatu polinomial berderajat n-1 dengan variabel tunggal pada n buah titik yang berbeda secara serempak dapat dilakukan secara paralel dengan menerapkan metode Homer (secara serial), dimana n buah prosesor masing-masing mengevaluasi polinomial untuk satu titik. Cara tersebut memerlukan 0 (n2) operasi aritmatik dan 0 (n) waktu paralel. Skripsi ini membahas tentang suatu algoritma yang menerapkan metode Divide and Conquer dan memberikan waktu kompleksitas paralel 0 (log3 n) dengan hanya menggunakan 0 (n log3 n) jumlah operasi aritmatik. Simulasi paralelnya dapat dilihat dalam program-program lampiran."