Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPengaturan daya reaktif bertujuan untuk menurunkan susut daya dan memperbaiki profil tegangan dari sistem tenaga Iistrik. Besarnya daya reaktif yang diinjeksikan dapaf diatur dengan mengatur variabel-variabel pengatur yang ada pada sistem, yairu : tegangan generaton posisi sadapan transformator dan switching kapasitor atau reakor. Susut daya dinyatakan sebagai fungsi dari perubahan tegangan. Hubungan antara perubahan tegangan tiap bus dengan besarnya daya reaktif yang diinjeksikan dinyatakan dalam sebuah matrik jacobian yang dimodifikasi oleh Shahdehpor. Dengan menggunakan teknik programma linear dapat diperoleh profil tengangan yang baik dan susut daya yang minimal. Bentuk beban yang biasanya dianggap sebagai nilai yang teteap, diperbaiki dengan membuat model beban fuzzy dimana secara pasti besarknya beban berada pada suatu jangkauan nilai (range) tertentu. Akibat pengunaan model beban fuzzy ini formulasi program linier akan bertambah rumit karena bertambahnya jumlah variabel dan fungsi kendala secraa berlipat ganda. Untuk menyelesaikan program linier yang demikian dipergunakan metoda dekomposisi tentang Wolfe yang dapat memberikan solusi dengan cukup cepat dan efisien, dimana bentuk program linier yang rumit dan kompleks tersebut diuraikan menjadi suatu master problem dan beberapi subproblem tergantuk bentuk fungsi kendalanya sehingga proses optimasinya lebih sederhana dibandingkan dengan program liner semula. "

"Optimasi merupakan tindakan untuk mencapai hasil yang terbaik. Dalam disiplin matematika, optimasi berfungsi untuk meminimumkan fungsi obejktif dengan atau tanpa kendala. Terdapat beberapa metode yang telah dikembangkan untuk menyelesaikan masalah optimasi tak berkendala. Melalui penelitian ini, diusulkan metode konjugat gradien hibrid untuk menyelesaikan masalah optimasi tak berkendala bernama metode konjugat gradien hibrid IDY-MHS (Dai-Yuan-Hestenes-Stiefel). Metode IDY-MHS telah dibuktikan memenuhi kondisi descent dan sifat konvergensi global. Kemudian, performa komputasi metode IDY-MHS dibandingkan dengan metode IDY dan MHS dari segi banyaknya iterasi dan waktu CPU. Berdasarkan hasil simulasi, metode IDY-MHS memiliki iterasi yang paling sedikit dan waktu CPU yang paling cepat dibandingkan dengan metode IDY dan MHS. Setelah itu, metode IDY-MHS diimplementasikan untuk menyelesaikan masalah seleksi portofolio saham.

---

Optimization is an action aimed at achieving the best possible outcome. In the discipline of mathematics, optimization serves to minimize the objective function with or without constraints. Several methods have been developed to solve unconstrained optimization problems. This research proposes a hybrid conjugate gradient method to solve unconstrained optimization problems, named the IDY-MHS hybrid conjugate gradient method (Dai-Yuan-Hestenes-Stiefel). The IDY-MHS method has been proven to satisfy the descent condition and global convergence properties. Subsequently, the computational performance of the IDY-MHS method is compared with the IDY and MHS methods in terms of the number of iterations and CPU time. Based on the simulation results, the IDY-MHS method has the fewest iterations and the fastest CPU time compared to the IDY and MHS methods. Following this, the IDY-MHS method is implemented to solve the stock portfolio selection problem.>"

"Optimasi pada seleksi portofolio merupakan proses penting di mana investor memilih kombinasi aset yang dapat memberikan return maksimum dengan risiko minimum. Dalam mencari solusi optimal di antara portofolio yang besar, serta kompleksitas perhitungan yang meningkat seiring bertambahnya jumlah aset investasi, diperlukan metode numerik untuk menangani permasalahan tersebut. Salah satu pendekatan yang dapat digunakan untuk masalah dengan dimensi yang besar adalah metode konjugat gradien. Pada penelitian ini, dibentuk metode konjugat gradien hibrid IDY-MPRP dengan menggabungkan parameter koefisien dari metode konjugat gradien IDY dan metode konjugat gradien MPRP. Metode konjugat gradien IDY-MPRP terbukti memenuhi kondisi descent dan konvergen global untuk setiap iterasinya, serta didapat bahwa performa komputasinya lebih efisien dibandingkan dengan metode konjugat gradien IDY dan konjugat gradien MPRP dari segi banyaknya iterasi dan waktu CPU. Dengan menggunakan metode konjugat gradien hibrid IDY-MPRP, didapatkan penyelesaian masalah optimasi seleksi portofolio saham.

---

Portfolio optimization is an important process where investors select a combination of assets to achieve maximum returns with minimum risk. In searching for optimal solutions among large portfolios, and with the increasing complexity as the number of investment assets grows, requires numerical methods. One approach suitable for high-dimensional problems is the conjugate gradient method. The conjugate gradient method is an iterative technique that does not require the computation of the Hessian matrix. In this study, proposed the hybrid IDY-MPRP conjugate gradient method by merging coefficient parameters from the IDY and MPRP methods. The IDY-MPRP conjugate gradient method has been proven to satisfy descent conditions and global convergence at each iteration and it is more efficient than both the IDY and MPRP conjugate gradient methods in terms of iteration count and CPU time. Moreover, by using the IDY-MPRP conjugate gradient method has been shown to be effective in solving stock portfolio optimization problems."

"Seleksi portofolio merupakan proses penting dalam manajemen investasi, di mana investor memilih kombinasi aset keuangan untuk dimasukkan ke dalam portofolio. Tujuan dari seleksi portofolio adalah untuk menciptakan kombinasi aset yang dapat memberikan return maksimum dan/atau risiko yang minimum. Dalam kasus portofolio berdimensi besar, di mana terdapat banyak aset yang harus dimasukkan, pencarian solusi optimal dapat menjadi tantangan karena kompleksitas perhitungan seiring dengan bertambahnya dimensi. Oleh karena itu, dibutuhkan metode numerik yang efisien untuk menyelesaikannya. Salah satu metode numerik yang dapat digunakan untuk menyelesaikan permasalahan berdimensi besar adalah metode konjugat gradien. Metode konjugat gradien merupakan metode iteratif yang efisien, karena tidak membutuhkan perhitungan matriks Hessian. Sampai saat ini, metode konjugat gradien terus dikembangkan untuk meningkatkan efisiensinya, diantaranya adalah metode konjugat gradien Improved Fletcher-Reeves (IFR) dan metode konjugat gradien Modified-Polak-Ribi`ere- Polyak (MPRP). Salah satu cara untuk meningkatkan efisiensi metode konjugat gradien adalah dengan mengkombinasikan dua parameter metode konjugat gradien. Pada penelitian ini, dibentuk metode gradien konjugat hibrid IFR-MPRP dengan mengkombinasikan parameter metode konjugat gradien IFR dan metode konjugat gradien MPRP. Berdasarkan analisis konvergensi, metode konjugat gradien hibrid IFR-MPRP yang dibentuk memenuhi descent condition dan sifat konvergensi global. Kemudian, efisiensi dari metode konjugat gradien hibrid IFR-MPRP diuji dengan menggunakan 134 fungsi tes dan diperoleh hasil bahwa metode hibrid IFR-MPRP unggul dibandingkan metode konjugat gradien IFR dan MPRP. Selain itu, metode konjugat gradien hibrid IFR-MPRP juga terbukti efektif dalam menyelesaikan masalah seleksi portofolio saham.

---

Portfolio selection is an important process in investment management, where investors choose a combination of financial assets to include in a portfolio. The aim of portfolio selection is to create a combination of assets that can provide maximum return and/or minimum risk. In the case of large-dimension portfolios, where there are many assets to include, finding the optimal solution can be challenging due to the complexity of the calculations as the dimensions increase. Therefore, an efficient numerical method is needed to solve it. One numerical method that can be used to solve large dimensional problems is the conjugate gradient method. The conjugate gradient method is an efficient iterative method, because it does not require the calculation of the Hessian matrix. To date, conjugate gradient methods continue to be developed to increase their efficiency, including the Improved Fletcher-Reeves (IFR) and Modified Polak-Ribière-Polyak (MPRP) methods. One way to increase the efficiency of the conjugate gradient method is to combine two parameters of the conjugate gradient method. In this research, a hybrid IFR-MPRP conjugate gradient method is created by combining the parameters of the IFR method and the MPRP method. Based on convergence analysis, the proposed IFR-MPRP hybrid gradient conjugate method satisfies the descent condition and global convergence properties. Then, the efficiency of the IFR-MPRP hybrid gradient conjugate method is tested using 134 test functions and showed that the proposed method is superior to the IFR and MPRP gradient conjugate methods. In addition, the IFR-MPRP hybrid conjugate gradient method is also proven effective in solving stock portfolio selection problems."

"Permasalahan optimasi merupakan permasalahan yang tidak asing ditemui dalam kehidu- pan sehari-hari. Dalam disiplin ilmu matematika, metode-metode untuk menyelesaikan masalah optimasi masih berkembang sampai saat ini. Salah satu metode numerik berbasis pencarian gradien yang memiliki kontribusi besar dalam bidang optimasi tak berkendala berskala besar adalah metode konjugat gradien. Metode ini terkenal atas keunggulannya karena memiliki formula iterasi yang sederhana dan kebutuhan penyimpanan yang relatif kecil. Seiring waktu, variasi-variasi baru dari metode konjugat gradien terus bermunculan. Hingga saat ini, usaha untuk membentuk metode konjugat gradien dengan properti konvergensi dan performa numerik yang lebih baik masih aktif menjadi topik penelitian. Pada skripsi ini, dibentuk suatu metode konjugat gradien hibrid baru yang merupakan modi kasi dari metode konjugat gradien Improved-Fletcher-Reeves (IFR) dan Improved-Dai-Yuan (IDY). Dengan beberapa kondisi dan asumsi, metode konjugat gradien hibrid IFR-IDY terbukti memenuhi kondisi descent dan konvergen secara global. Kemudian, berdasarkan 134 fungsi uji yang digunakan, metode konjugat gradien hibrid IFR-IDY juga terbukti memiliki performa numerik yang lebih e sien dari segi jumlah iterasi dan waktu komputasi dibandingkan metode konjugat gradien IFR dan metode konjugat gradien IDY. Lebih jauh lagi, metode konjugat gradien hibrid IFR-IDY juga terbukti efektif dalam menyelesaikan masalah seleksi portofolio saham.

---

Optimization is a problem that we frequently encounter on a daily basis. In the discipline of mathematics, methods for solving optimization problems are still developing until today. One of the numerical methods based on gradient search that has made a major con- tribution to the eld of large-scale unconstrained optimization is the conjugate gradient method. This method is known for its advantages because it has a simple iteration formula and relatively small storage requirements. Over time, new variations of the conjugate gradient method continue to emerge. To this day, efforts to establish conjugate gradient methods with better convergence properties and numerical performance are still an active research topic. In this research, a new hybrid gradient conjugate method was created as a modi cation of the Improved-Fletcher-Reeves (IFR) and Improved-Dai-Yuan (IDY) conjugate gradient methods. With several conditions and assumptions, the IFR-IDY hybrid conjugate gradient method is proven to satisfy the descent condition and converge globally. In addition, based on the 134 test functions used, the IFR-IDY hybrid gradient conjugate method was also proven to have a more ef cient numerical performance in terms of the number of iterations and computing time compared to the IFR conjugate gradient method and the IDY conjugate gradient method. Furthermore, the IFR-IDY hybrid conjugate gradient method is also proven to be effective in solving stock portfolio selection problems."