Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Studi ini bertujuan untuk merancang kapasitor bank dalam suatu penyulang PLN menggunakan metode Ant Colony Optimization (ACO). Penyulang PLN adalah bagian penting dari sistem distribusi listrik yang memastikan stabilitas dan kualitas tegangan listrik. Kapasitor bank, sebagai sumber daya reaktif tambahan, memainkan peran penting dalam menyeimbangkan beban induktif dan mengkompensasi daya reaktif yang hilang dalam sistem. Dalam konteks ini, ACO digunakan sebagai metode optimasi untuk menemukan penempatan optimal kapasitor bank yang dapat meningkatkan kinerja sistem distribusi listrik. Metode ACO (Ant Colony Optimization) digunakan untuk mengoptimalkan penempatan kapasitor bank pada penyulang PLN. Metode ini meniru perilaku koloni semut dalam mencari jalur terpendek ke sumber makanan, diadaptasi untuk mencari solusi optimal dalam penempatan kapasitor bank. Dengan mempertimbangkan faktor-faktor seperti tegangan, arus, dan rugi-rugi daya, penelitian ini menghasilkan strategi penempatan yang dapat mengurangi rugi-rugi daya, meningkatkan tegangan, serta meningkatkan efisiensi energi pada sistem distribusi listrik. Studi ini melibatkan pemodelan sistem distribusi listrik, analisis aliran daya, dan penggunaan metode ACO untuk menemukan penempatan optimal kapasitor bank. Hasil penelitian menunjukkan bahwa penerapan metode ACO dapat menghasilkan solusi yang efisien dalam penempatan kapasitor bank, sehingga meningkatkan stabilitas dan kualitas tegangan listrik dalam sistem distribusi PLN. Kesimpulan dari studi ini menunjukkan pentingnya penggunaan teknik optimasi seperti ACO dalam merancang kapasitor bank dapat digunakan untuk merancang sistem distribusi listrik, khususnya dalam penempatan kapasitor bank. Dengan menggunakan metode ACO, dapat dicapai peningkatan signifikan dalam kinerja sistem distribusi listrik, sehingga memungkinkan penghematan energi dan peningkatan kualitas layanan listrik bagi pelanggan. Penambahan kapasitor bank dengan metode ACO menunjukkan bahwa drop tegangan menjadi lebih kecil dan sesuai dengan aturan SPLN no. 72 tahun 1987. Ini menunjukkan bahwa dalam konteks penyesuaian load flow, PLN menggunakan penyesuaian kapasitor bank untuk perencanaan distribusi listrik yang lebih baik. ......This study aims to design capacitor banks in a PLN feeder using the Ant Colony Optimization (ACO) method. PLN feeders are vital parts of the electrical distribution system that ensure stability and quality of electrical voltage. Capacitor banks, as additional reactive power resources, play a crucial role in balancing inductive loads and compensating for reactive power loss in the system. In this context, ACO is used as an optimization method to find the optimal placement of capacitor banks that can enhance the performance of the electrical distribution system. The ACO method is utilized to optimize the placement of capacitor banks in PLN feeders. This method mimics the behavior of ant colonies in finding the shortest path to a food source, adapted to search for optimal solutions in capacitor bank placement. By considering factors such as voltage, current, and power losses, this research generates placement strategies that can reduce power losses, increase voltage, and improve energy efficiency in the electrical distribution system. This study involves modeling of the electrical distribution system, power flow analysis, and the use of the ACO method to find optimal capacitor bank placement. The research results indicate that the application of the ACO method can produce efficient solutions in capacitor bank placement, thereby enhancing the stability and quality of electrical voltage in PLN distribution systems. The conclusion of this study underscores the importance of utilizing optimization techniques such as ACO in designing capacitor banks for electrical distribution systems, particularly in capacitor bank placement. By employing the ACO method, significant improvements in the performance of the electrical distribution system can be achieved, enabling energy savings and enhancing the quality of electrical service for customers. The addition of capacitor banks using the ACO method shows that voltage drops are reduced and comply with SPLN Regulation No. 72 of 1987. This indicates that in the context of load flow adjustment, PLN utilizes capacitor bank adjustments for better electrical distribution planning.

Abstrak :
ABSTRAK
Latar belakang: Kapasitas difusi paru berdasarkan karbon ke sirkulasi pulmoner. Nilai DLCO prediksi pada asma cenderung normal atau sedikit monoksida (DLCO) didesain untuk mengukur laju perpindahan gas CO dari alveolus meningkat sedangkan pada PPOK kapasitas difusi cenderung menurun akibat emfisema. Sindrom tumpang-tindih asma-PPOK dinyatakan sebagai entitas yang unik dengan kombinasi karakteristik asma dan PPOK. Tujuan utama penelitian ini adalah mengetahui nilai DLCO pada pasien tumpang tindih asma- PPOK (TAP) di RSUP Persahabatan Jakarta. Metode: Uji DLCO dengan metode napas tunggal dan beberapa pemeriksaan penunjang lainnya telah dilakukan pada 40 pasien yang terdiagnosis sebagai TAP. Diagnosis TAP pada subjek penelitian ditegakkan menggunakan kriteria pedoman GINA/GOLD 2017. Kriteria akseptabilitas dan reprodusibilitas DLCO napas tunggal dinilai menggunakan kriteria dari ATS/ERS 2017. Hasil uji DLCO disajikan dalam nilai mutlak dan nilai persen prediksi. Hasil: Rerata nilai DLCO mutlak dan %DLCO prediksi yang didapatkan dalam penelitian ini adalah 17.98 ± 5.37 mL/menit/mmHg dan 84.16 ± 18.29%. Jika menggunakan persamaan penyesuaian DLCO berdasarkan kadar hemoglobin didapatkan nilai %DLCO prediksi sedikit meningkat dibanding sebelumnya, 85.17 ± 18.04%. Terdapat 10 subjek (25.0%) yang mengalami penurunan nilai DLCO. Enam diantaranya mengalami penurunan ringan dan empat lainnya mengalami penurunan sedang. Kesimpulan : Rerata nilai DLCO pada subjek TAP di RSUP Persahabatan Jakarta dapat diinterpretasikan normal, lebih menyerupai asma dibandingkan PPOK. Hasil ini juga mengindikasikan kebanyakan pasien TAP dalam penelitian ini tidak mengalami penurunan luas permukaan alveolar yang mengganggu proses difusi.

---

ABSTRACT
Background: Diffusing capacity of the lung for carbon monoxide (DLCO) was designed to measure transfer rate of carbon monoxide from alveoli to pulmonary circulation. As we know, DLCO predicted value in asthma proved to be normal or slightly elevated. On contrary it decreased in COPD with emphysematous pattern. Asthma-chronic obstructive pulmonary disease overlap (ACO) declared as a unique entity with combined characteristics between asthma and COPD. The aim of the research is to find out DLCO value of ACO patient in Persahabatan Hospital, Jakarta. Method: We have conducted single-breath DLCO and other required test to 40 patients diagnosed with ACO using GINA/GOLD 2017 guidelines. The acceptability and reproducibility of single-breath DLCO was done according to ATS/ERS 2017 criteria. The result then presented as absolute value and percent predicted value. Results: The mean DLCO of our patient is 17.98 ± 5.37 mL/minute/mmHg with percent predicted value is 84.16 ± 18.29%. Using adjusted DLCO equation for hemoglobin, we found that the value is slightly increased, 85.17 ± 18.04%. However, we found 10 patient (25.0%) with DLCO decrease. Six of them have DLCO predicted value <75% (mild-decrease) and four of them have DLCO predicted value <60% (moderate-decrease). Conclusion: The mean DLCO value of patient with ACO in our hospital can be interpreted as normal, similar with asthma, rather than COPD. It also indicate most of our patient did not have alveolar loss that altering diffusion process.

Abstrak :
Ketika kompetitor tumbuh dengan cepat dan pasar menjadi lebih kompetitif, diperlukan fokus yang kuat untuk menambah dan memperbaiki servis yang diberikan kepada pelanggan. Pelayanan terbaik perlu diberikan kepada pelanggan untuk menjaga loyalitas para pelanggan tersebut. Berdasarkan nilai bisnis perusahaan logistik, pelayanan terbaik dapat diukur dari tidak adanya keterlambatan, harga yang kompetitif, dan lokasi depot yang mudah untuk ditemukan. Penelitian ini membahas mengenai masalah untuk penempatan lokasi depot baru untuk perusahaan X-Logistik pada daerah urban, Jakarta, Indonesia. Tujuan dari penelitian ini adalah meningkatkan efisiensi daerah jangkauan depot sebagai upaya untuk menurunkan total konsumsi waktu perjalanan, minimalisasi biaya transportasi, dan meminimalkan total jarak centroid untuk masing-masing kelompok wilayah. Dengan menggunakan algoritma hibrida K- means Ant Colony Optimization (K-ACO) dapat dihitung jumlah depot yang memberikan total biaya paling kecil. Setelah jumlah depot yang akan dibuka ditentukan, dengan menggunakan metode trial dan error, koordinat dari setiap depot yang akan dibuka dapat ditentukan. Kelompok konsumen yang akan dilayani dari setiap depot yang akan dibuka juga dapat ditentukan bersamaan dengan jumlah depot yang terbentuk. Hasil akhir dari penelitian ini adalah rekomendasi keputusan untuk perusahaan X-Logistik mengenai jumlah depot baru yang akan dibuka, koordinat lokasi depot baru akan dibuka, serta kelompok konsumen yang akan dilayani dari setiap depot yang dibuka. Dari seluruh usulan, keputusan yang diambil mengacu kepada jumlah depot yang dapat memberikan total biaya terendah.

---

When the competitor growth rapidly and the market become more competitive, there needs to be a strong focus to enhance and upgrade their service to customer. Best service offers to customer is the only way to keep their customer loyalty. Following the business core value of logistic company, the best service offer can be measured by zero delay, competitive price, and the depot location can be found easily. This study examines the current location set of all depot location X logistic that deploy logistic service in urban area, Jakarta, Indonesia. The goals of this study are to improve the efficiency of coverage in terms of decreasing total travel times, minimize total transportation cost and minimize total cost for a whole. This study employs the proposed methodology of hybrid K-ACO metaheuristic algorithm to solve location allocation problem and will utilize a minimum distance to reach the goals. By using hybrid K-ACO algorithm the number of depot will be open that which gives minimum total cost can be determined. After determining number of depot will be opened, by using trialerror in hybrid K-ACO algorithm the coordinate location to construct new depot and which customers will be served at new depot opened can be known simultaneously. The rest of this study will recommend where the X logistic company should be built the depot and a comparison will be conducted of analyzing the total costs associated with number of depot opened.

Abstrak :
ABSTRAK
Optimalisasi portofolio bertujuan agar investor mendapatkan return tertinggi dan mendapatkan risiko terendah. Untuk mencapai tujuan ini, investor melakukan diversifikasi untuk meningkatkan kinerja portofolio dengan meminimalkan risiko portofolio. Pada penelitian ini digunakan algoritma Iterative K-Means -+ sebagai metode clustering dan Ant Colony Optimization (ACO). Pengelompokan digunakan untuk diversifikasi portofolio berdasarkan rasio keuangan masing-masing saham. K-Means berulang -+ ini memperbaiki solusi dari K-Means dengan menghapus 1 cluster (minus), membagi 1 cluster (plus) dan re-clustering di setiap iterasi. Setelah pengelompokan, beberapa saham dipilih dan bobotnya ditentukan dengan metode metaheuristik, yaitu: Algoritma Ant Colony Optimization (ACO). Hasil numerik dari metode ini dievaluasi dengan data yang sebenarnya.
ABSTRACT
Portfolio optimization aims for investors to get the highest return and get the lowest risk. To achieve this goal, investors diversify to improve portfolio performance by minimizing portfolio risk. In this study, the Iterative K-Means -+ algorithm was used as a clustering method and Ant Colony Optimization (ACO). Grouping is used to diversify the portfolio based on the financial ratios of each stock. Iterative K-Means --+ this improves the solution of K-Means by removing 1 cluster (minus), dividing 1 cluster (plus) and re-clustering in each iteration. After grouping, several stocks are selected and their weights are determined by the metaheuristic method, namely: Ant Colony Optimization (ACO) Algorithm. The numerical results of this method are evaluated with actual data.