Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam bahasan ini, penulis melakukan studi kelayakan untuk pembangkit tenaga angin di daerah Nusa Tenggara Timur secara umum dan kupang. Data-data yang diperoleh di analisa dalam suatu distribusi weibull, kemudian di hitung secara teoritis berapa besar potensi angin yang ada untuk dikonversikan menjadi energi, dan berapa luasan bilah turbin yang cocok dengan potensi angin yang dimiliki daerah tersebut.

---

In this discussion, the author conduct a feasibility study for wind power plants in East Nusa Tenggara region in general and to be specified at kupang. The data obtained and analyzed in a weibull distribution, then the theoretically calculated how much wind potential to be converted into energy, and how much area of the turbine blades that match the potential of the wind which owned the area."

"Pada sistem tenaga listrik memiliki bagian yang saling berkaitan antara satu dengan yang lainnya yaitu sistem pembangkitan, sistem transmisi dan sistem distribusi. Untuk menyalurkan listrik ke konsumen dari sistem distribusi digunakan transformator. Apabila transformator terkena gangguan, maka konsumen dapat langsung merasakan dampaknya. Gangguan-gangguan ini dapat merusak transformator. Sehingga memprediksikan waktu kegagalan transformator sangat penting untuk dilakukan. Terdapat beberapa cara untuk memprediksikan waktu kegagalan transformator yaitu dengan menggunakan distribusi weibull dan distribusi eksponensial. Dengan membuat program aplikasi berbasis Microsoft Excel untuk kedua distribusi ini, dapat langsung memprediksikan waktu kegagalan transformator. Hasil dari program ini adalah kapan transformator akan mengalami waktu kegagalan. Apabila kedua distribusi ini dapat digunakan, program ini dapat menentukan distribusi yang paling akurat untuk digunakan. Sehingga waktu kegagalan yang didapat akan lebih akurat.

---

On an electric power system there are three parts interconnected between one and another and that is generation system, transmission system and distribution system. To distribute electricity to consumer from distribution system used transformer. When a transformer affected by disruption, the consumers can feel the impact. This disruption can damage the transformer. So, predicting the time of the failure of a transformer is very important to do. There are several ways to predict the time of the failure of a transformer is to use and distribution of the exponential and weibull distribution. By making an application program based on Microsoft excel for this distribution, a transformer failure can be directly predicted time. The result of this program will have the time when the transformer is going to failure. If both the distribution can be used, this program can determine the most accurate distribution to use. Therefore the time failure which were found would be more accurate."

"Data lifetime merupakan data yang berisi lama waktu hidup suatu individu ataupun suatu produk yang diukur dari awal waktu penelitian hingga terjadinya suatu event. Salah satu distribusi yang sering digunakan untuk analisis data lifetime adalah distribusi Weibull karena memiliki bentuk fungsi hazard konstan, naik, dan turun. Akan tetapi, terdapat data lifetime dengan bentuk fungsi hazard lain yaitu bentuk unimodal. Oleh karena itu, dilakukan pengembangan distribusi Weibull menggunakan metode compounding sehingga menghasilkan distribusi Weibull-Geometrik (WG) yang dapat memodelkan data lifetime dengan bentuk fungsi hazard unimodal. Pada kenyataannya, terdapat data lifetime yang berbentuk diskrit (count data). Oleh karena itu, pada skripsi ini dibahas pembentukan distribusi yang dapat memodelkan data lifetime diskrit, yang diperoleh dengan cara melakukan diskritisasi pada distribusi WG kontinu. Diskritisasi yang dilakukan yaitu dengan mempertahankan salah satu karakteristik yang dimiliki distribusi Weibull-Geometrik, yaitu fungsi survivalnya. Distribusi yang dihasilkan yaitu distribusi Discrete Weibull Geometrik (DWG), memiliki bentuk fungsi hazard turun, naik, dan unimodal serta cukup baik dalam memodelkan data lifetime diskrit (count data). Diakhir skripsi ini, juga dibahas penggunaan distribusi DWG yang diilustrasikan pada data waktu hidup pasien lupus nephritis dalam waktu hari sehingga merupakan data diskrit. Kemudian, ditunjukkan bahwa distribusi DWG sesuai untuk memodelkan data waktu hidup pasien lupus nephritis.

---

Lifetime data is data that contains the lifetime of an individual or a product that is measured from the beginning of the research time until an event occurs. One distribution that is often used for lifetime data analysis is Weibull distribution, because it has a constant, increasing, and decreasing hazard function. However, there is lifetime data with another form of the hazard function, that is the unimodal form (upside-down bathtub). Because of this, we developed Weibull distribution using the compounding method to produce a Weibull-Geometric distribution that can model lifetime data in unimodal hazard function form. But in fact, there are discrete lifetime data (count data). Hence, this paper discuss the formation of distributions that can model discrete lifetime data, which is obtained by discretizing a continuous Weibull-Geometric distribution (WG). Discretization is carried out by maintaining one of the characteristics of the Weibull-Geometric distribution, that is, its survival function. The result distribution, discrete Weibull Geometric distribution (DWG), has a form of increasing, decreasing, and unimodal hazard function, and quite good at modelling discrete lifetime data (count data). At the end of paper, the DWG distribution is used to illustrate dataset of lifetime patients lupus nephritis and shown that the DWG distribution is the appropriate model.

"

"Tugas akhir ini membahas tentang distribusi Weibull-Pareto yang merupakan distribusi probabilitas kontinu yang dibangun dengan menggunakan metode Transformed-Transformer. Distribusi Weibull-Pareto dapat menggambarkan data yang menceng kanan, menceng kiri, atau simetris serta dapat menggambarkan data yang mempunyai light-tailed maupun heavy-tailed. Pembahasan meliputi fungsi kepadatan probabilitas, fungsi distribusi, fungsi survival, dan fungsi hazard. Kemudian dicari karakteristik-karakteristik dari distribusi Weibull-Pareto yang meliputi modus, persentil, dan fungsi pembangkit momen. Terakhir dicari taksiran parameter dari distribusi ini dengan menggunakan metode Alternative Maximum Likelihood (AML). Simulasi data juga dilakukan sebagai ilustrasi.

---

This paper discusses about Weibull-Pareto distribution, the continuous probability distribution which arised by Transformed-Transformer method. The Weibull-Pareto distribution gives a good fit to right skew, left skew, or symmetric. In particular, Weibull-Pareto distribution can solve light tailed or heavy tailed problem. At first, we study about probability density function, cumulative distribution function, survival function, and hazard function. Then, we find the characteristic of Weibull-Pareto distribution, that is mode, percentile, and moment generating function. Finally, we estimate the parameters of Weibull-Pareto distribution using Alternative Maximum Likelihood (AML) method. Simulation data is used as illustration."

"Konsumsi energi akan meningkat bersamaan dengan meningkatnya aktivitas manusia. Hingga kini, sumber energi terbesar masih diperoleh dari bahan bakar fosil, namun berdasarkan LAPAN (Indonesia) diperkirakan pada abad 22 akan ada kelangkaan bahan bakar fosil. Dampak lingkungan pun menjadi alasan untuk mencari sumber energi alternatif seperti energi dari angin. Berdasarkan kebijakan energi nasional, Pemerintah Indonesia akan menambah kapasitas terpasang mesin pembangkit energi dari angin (PLTB) sebesar 0,79 GW pada tahun 2025. Dalam rangka mengoptimalkan mesin pembangkit energi, besar kecepatan angin harus ditentukan secara akurat, dan distribusi probabilitas adalah salah satu cara untuk menjelaskan bagaimana penyebaran besar kecepatan angin tersebut. Beberapa tahun yang lalu, ilmuan menggunakan distribusi Weibull untuk memodelkan penyebaran besar kecepatan angin, namun terjadi masalah pada daerah asal dari distribusi Weibull. Tidak adanya besar kecepatan angin sekitar 0 m/s menyebabkan banyak peneliti untuk memikirkan alternatif atau modifikasi dari distribusi weibull. Pada 2013, Ramadan telah memodifikasi distribusi weibull dengan menambahkan parameter shape dan menghasilkan distribusi weighted weibull. Pada skripsi ini akan dijelaskan bagaimana membangun distribusi weighted Weibull dan karakteristik-karakteristiknya. Untuk melengkapi skripsi ini, data kecepatan angin di Bali (Indonesia) akan dianalisis untuk menjelaskan bagaimana distribusi weighted weibull dan distribusi weibull menggambarkan karakteristik kecepatan angin di Bali.

---

Energy consumption will increase simultaneously with increasing human activity. The most common source of energy used is still derived from fossil fuels, and based on LAPAN(Indonesia) is estimated in the 22nd century there will be scarcity of fossil fuels. Environmental impact becomes a reason to seek alternative energy sources such as wind energy. The Ministry of Energy and Mineral Resources and the Agency for the Assessment and Application of Technology (BPPT, Indonesia) tries to take advantage of wind for electrical power and refers to the national energy policy, the Government of Indonesia will add installed capacity of the power generating machine (PLTB) station of 0.79 GW in 2025. In order to optimize machine used to generate energy, the characteristics of wind speed should be specified accurately, and the probability distribution is one way to describe the characteristics. Many years ago, the scientist used weibull distribution to modelling wind speed but there is problem with the support area of weibull distribution. There is no wind speed around 0 m/s led researchers to think of alternatives or modifications of weibull distribution. In 2013, Ramadan has modifed weibull distribution by adding a shape parameter to generate weighted weibull distribution. In this project will decribes how to construct weighted weibull distribution and characteristics of weighted Weibull distribution. To complete this project, wind speed data from Bali (Indonesia) will be analyzed to explain how weighted weibull distribution and weibull distribution describes about characteristics of the wind speed in Bali."

"Setiap pembangkit memiliki karakteristik umur hidup yang diharapkan mampu berkelanjutan hingga waktu kontrak yang telah disepakati sebelumnya. Untuk dapat berkelanjutan, pembangkit perlu dilakukan perbaikan maupun penggantian peralatan yang terindikasi telah mengalami penurunan kinerja. Dengan distribusi Weibull didapatkan koefisen siklus hidup peralatan sub sistem pembangkit yang kemudian disimulasikan dengan Monte Carlo bermanfaat dalam pengambilan keputusan manajemen pengoperasian dan pemeliharaan PLTU. PLTU Lontar menjadi salah satu pembangkit yang menggambarkan dari kondisi pembangkitan tenaga listrik di system Jawa Bali dengan faktor kapasitas sebesar 48,84 dan faktor ketersediaan sebesar 53,77 . Dari hasil perbandingan beberapa skenario menunjukkan bahwa dengan tindakan perbaikan dapat meningkatkan faktor ketersediaan hingga 77,66 dan IRR sebesar 19.02 .

---

Power plant has a characteristic life cycle which is expected to sustain until the contract that has been agreed in advance. To be sustainable, power plant needs to necessary repair or replacement of equipment which is indicated has experienced a decline in performance. Weibull distribution is used to determine life cycle coefficient of the equipment sub generating system. Monte Carlo simulation then performed to achieve economic feasibility. Lontar power plant became one of the plants that describe the condition of the steam power plant in the Java Bali system with a capacity factor of 48.84 and 53.77 of availability factor. From the comparison of multiple scenarios indicate that the corrective actions can increase the availability of power plant up to 77.66 and an IRR of 19,02 ."

"Indonesia adalah negara kepulauan yang luas, dimana fitur topografinya dapat membatasi suatu area dengan area lainnya. Hal ini menyebabkan distribusi listrik menjadi sangat bervariasi. Oleh Karena itu, dibutuhkan pembangkit listrik yang dapat ditempatkan di daerah sulit terjangkau, yang dapat memenuhi kebutuhan listrik masyarakat setempat. Energi bayu/angin adalah salah satu energi terbarukan yang mempunyai potensi yang bagus. Energi ini cukup melimpah di daerah pesisir khususnya Kampung Bungin, Muara Gembong, dan total 3 kincir angin telah terpasang di daerah ini. Saat ini, pengambilan data-data terkait kincir angin tersebut menjadi poin penting, terutama setelah pemasangan bilah blade baru. Data yang diambil berupa kecepatan angin, serta data penghasilan listrik, menggunakan Data Logger yang tersedia di lokasi. Pengolahan data tersebut menggunakan software MagdeTech 4 serta Microsoft Excel. Aproksimasi kecepatan angin menggunakan Distribusi Weibull 2-parameter. Hasil perhitungan kecepatan angin untuk menemukan potensi kincir angin akan dibandingkan dengan hasil aktual di lapangan.

---

Indonesia is a vast country in which the topographical features can separate areas from one another. This causes electricity distribution to be uneven. Therefore, a standalone power plant placed in remote areas that can fulfill the demand for electricity locally is needed. Wind energy, as one of the renewable energy resource, has a great potential to solve this problem. Wind energy is readily available in Bungin Village, Muara Gembong, and three micro wind turbines have been installed in the village.

Today, it is important to obtain the data related to the wind turbines, especially with the new blades installed, which consists of gathering wind speed and power generation data from the data loggers present on the site. Data processing is done by using MadgeTech 4 and Microsoft Excel. A Two parameter Weibull Distribution is used to approximate wind speed in the future. Also, the result from processing the wind speed data to obtain power generation, will be compared with actual power generation data in forms of voltage and current, and an analysis can be made.

"

"Turbin Angin Sumbu Vertikal (TASV) merupakan jenis turbin angin yang dengan kecepatan angin rendah dapat menghasilkan listrik dan cukup mudah diterapkan pada beban kelistrikan yang terisolasi. Penelitian ini bertujuan untuk mendapatkan desain sistem TASV dan sistem pasokan listrik yang paling optimal baik secara teknis maupun ekonomis untuk memenuhi kebutuhan energi listrik di daerah Tertinggal, Terdepan dan Terluar (3T). Dengan pendekatan statistik Ordinary Kriging, nilai kecepatan rara-rata tahunan di Raja Ampat diestimasikan berdasarkan data historis kecepatan angin yang berasal dari Badan Meteorologi, Klimatologi dan Geofisika 2019 (BMKG) dan data National Oceanic and Atmospheric Administration 2019 (NOAA) sehingga distribusi kecepatan angin dapat diproyeksikan dengan menggunakan pendekatan distribusi Weibull dan Rayleigh. Parameter yang divariasikan meliputi spesifikasi turbin, kapasitas daya dan kecepatan angin. Hasil penelitian menunjukkan bahwa desain TASV yang optimal untuk diimplementasikan di Raja Ampat adalah turbin 10 kW tipe darrieus dengan blade lurus, cut-in speed 1.5 m/s, kecepatan rated 9 m/s dan faktor kapasitas 20.9%. Untuk kebutuhan energi listrik rata-rata 1,074/pelanggan/tahun, Produksi Energi Tahunan sebesar 18,337 kWh/unit/turbin, 1-unit TASV dapat mensuplai energi listrik kepada 12 pelanggan atau 1-unit turbin dalam radius 1 km2 dengan kepadatan penduduk rata-rata 48 Jiwa/km2. Untuk memasok jumlah permintaan di Raja Ampat sebesar 459,797 kWh ditahun 2021, dibutuhkan sebanyak 25-unit TASV dengan LCOE 20.2 Sen USD / kWh / unit atau lebih rendah dari Biaya Produksi yang Diatur (21.34 sen USD / kWh). Hasil ini menunjukkan TASV merupakan alternatif yang tepat secara teknis dan ekonomis untuk beban kelistrikan di negara-negara kepulauan dengan banyak daerah terisolasi seperti Indonesia.

---

Vertical Axis Wind Turbine (VAWT) can generate electricity just by low wind speed and simply able to apply for isolated demands. This study aims to obtain the most optimal VAWT system design and power supply system both techno-economic to meet the demands in disadvantaged, frontier and outermost (3T) areas. By Ordinary Kriging method, the annual average velocity in Raja Ampat was estimated based on historical wind speed data from the 2019 Meteorology, Climatology and Geophysics Agency (BMKG) and the 2019 National Oceanic and Atmospheric Administration (NOAA) so that the wind speed distribution can be projected using the Weibull and Rayleigh distribution. The varied parameters include turbine specifications, power capacity and wind speed. The results showed that the optimal VAWT design was the 10 kW straight blade Darrieus turbine, with a cut-in speed of 1.5 m/s, an rated speed of 9 m/s and a capacity factor of 20.9%. For demands an average of 1,074/customer/year, Annual Energy Production of 18,337 kWh turbine unit, then 1 unit can supply the demand for 12 customers or 1 units within a radius of 1 km2, with an average population density of 48 people/ km2. To supply the total demand in Raja Ampat of 459,797 kWh in 2021, 25-unit VAWT with a LCOE of 20.2 Cents USD/kWh or lower than the Regulated Production Cost (21.34 cents USD / kWh) were required. These results suggest that VAWT is a techno-economic viable alternative for electricity demand in archipelagic countries with many isolated areas such as Indonesia."

"Distribusi Weibull digunakan untuk menyelesaikan masalah-masalah yang menyangkut lama waktu suatu objek yang mampu bertahan hingga akhirnya objek tersebut tidak berfungsi (dengan kata lain rusak atau mati). Distribusi Weibull merupakan salah satu solusi untuk masalah fleksibilitas yang tidak dimiliki oleh distribusi Exponensial, yaitu hanya memiliki bentuk fungsi hazard yang konstan. Dalam melakukan inferensi dari kasus yang dimodelkan dengan distribusi Weibull, perlu dilakukan penaksiran terhadap parameternya. Distribusi Weibull dua parameter memiliki parameter skala dan parameter shape. Pada skripsi ini, akan dilakukan penaksiran parameter skala dari distribusi Weibull pada data terpancung kiri dan tersensor kanan dengan asumsi bahwa parameter shape diketahui menggunakan metode Bayesian. Prosedur dalam penaksiran parameter meliputi penentuan distribusi prior, fungsi dan distribusi posterior. Kemudian penaksir titik Bayes diperoleh dengan meminimumkan ekspektasi dari fungsi. Fungsi yang digunakan adalah Squared Error Loss Functio (SELF) dan Precautionary Loss Function (PLF). Kemudian dilakukan simulasi data untuk membandingkan nilai Mean Squared Error (MSE) dari taksiran parameter skala menggunakan fungsi. Hasil simulasi menunjukan bahwa taksiran parameter menggunakan fungsi memiliki nilai MSE yang lebih kecil untuk parameter skala lebih kecil atau sama dengan satu sedangkan taksiran parameter menggunakan fungsi PLF memiliki nilai MSE yang lebih kecil untuk parameter skala lebih besar daripada satu.

---

Weibull distribution is used to solve problems that involve the length of time an object is able to survive until the object is not function (in other words damaged or dead). Weibull distribution is one of many solutions to the flexibility problem that is not owned by an Exponential distribution, which only has the form of a constant hazard function. In making inferences from cases modeled with the Weibull distribution, it is necessary to estimate the parameters. The two-parameter Weibull distribution has a scale parameter and a shape parameter. In this thesis, the scale parameter of the Weibull distribution will be estimated on left truncated and right censored data assuming that the shape parameter are known using Bayesian method. The procedure in parameter estimation includes the determination of the prior distribution, the likelihood function and the posterior distribution. Then the point estimator of the scale parameter is obtained by minimizing the expectation of loss function. The loss function used in this thesis are Squared Error Loss Function (SELF) and Precautionary Loss Function (PLF). Data simulation is done to compare the value of Mean Squared Error (MSE) from the estimated parameters using SELF and PLF. The simulation result shows that the estimated parameter using SELF has a smaller MSE value for scale parameter below or equal one while the estimated parameter using PLF has a smaller MSE value for scale parameter above one."