Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada penelitian ini dilakukan lima jenis analisis pada PLTP Kamojang Unit 4, antara lain analisis exergy pada kondisi operasional, optimasi efisiensi exergy, optimasi ekonomi, optimasi exergoeconomic dengan tekanan wellhead sebagai variabel, dan optimasi steam ejector dengan aliran motive steam sebagai variabel. Perhitungan dilakukan dengan bantuan MATLAB. Karakteristik termodinamika uap panas bumi diasumsikan sama dengan karakteristik air yang didapatkan dari REFPROP. Tekanan wellhead 10 bar saat ini menghasilkan efisiensi exergy 31,91%. Optimasi efisiensi exergy menghasilkan tekanan wellhead 5,06 bar, efisiensi exergy 47,3%, dan biaya sistem US $3.957.100. Optimasi ekonomi menghasilkan tekanan wellhead 11 bar, efisiensi exergy 22,13%, dan biaya sistem US $2.242.200. Optimasi exergoeconomic menghasilkan 15 titik optimum. Optimasi steam ejector menghasilkan aliran motive steam 34,41 𝑘𝑔 𝑠 lebih kecil dari aliran operasional saat ini 40,61 𝑘𝑔 𝑠.

---

This study presents five analysis at Unit 4 Kamojang Geothermal Power Plant are exergy analysis at operational condition, exergy efficiency optimization, economic optimization, exergoeconomic optimization with wellhead pressure as a variable, and steam ejector optimization with mass flow of motive steam as a variable. Calculations are conducted by using the MATLAB. Thermodynamics characteristic of geothermal fluid assumed as water characteristic which get from REFPROP. Wellhead pressure operational condition 10 bar has exergy efficiency 31.91%. Exergy efficiency optimization has wellhead pressure 5.06 bar, exergy efficiency 47.3%, and system cost US$ 3,957,100. Economic optimization has well pressure 11 bar, exergy efficiency 22.13%, and system cost US$ 2,242,200. Exergoeconomic optimization has 15 optimum condition. Steam ejector optimization has mass flow of motive steam 34.41 𝑘𝑔 𝑠 smaller than the operational condition 40.61 𝑘𝑔 𝑠."

"Organic Rankine Cycle (ORC) dapat digunakan untuk mengubah sumber panas bersuhu rendah menjadi energi listrik. Pada kesempatan kali ini, objek penelitiannya adalah prototipe PLTP skala mikro yang menggunakan scroll expander sebagai penghasil kerja. Penelitian ini akan menganalisis performa dari sistem ORC pada prototipe PLTP skala mikro dengan adanya variasi flow rate. Selain itu, penelitian ini juga mencari berapa lama waktu running yang dibutuhkan agar sistem mencaoai kondisi steady state. Pada aspek termodinamika; laju aliran fluida kerja, efisiensi siklus, perbedaan tekanan ekspansi ekspander dan daya expander dapat dipilih sebagai parameter untuk mengevaluasi, mensimulasi dan membandingkan fluida kerja tersebut. Simulasi menggunakan Matlab; dengan fluida kerja R245fa. fluida kerja tersebut disimulasikan pada volume konstan yaitu volume scroll expander, 70.1 cm3/revolution dengan rentang temperatur sumber panas 110-130 oC dengan variasi laju aliran fluida kerja sehingga nantinya akan didapat nilai efisiensi siklus dan perbedaan tekanan ekspansi ekspander. Dari hasil simulasi didapatlah didapat bahwa nilai konsumsi daya pompa berubah seiring dengan bertambahnya mass flowrate dan mencapai puncakya di mass flowrate sebesar 0,226 kg/s. Selain itu, didapat bahwa nilai tekanan fluida di discharge pompa berubah seiring dengan bertambahnya mass flowrate dan mencapai puncakya di mass flowrate sebesar 0,208 kg/s. Didapati juga bahwa nilai perbedaan tekanan fluida di suction dan di discharge pompa berubah seiring dengan bertambahnya mass flowrate dan mencapai puncakya di mass flowrate sebesar 0,208 kg/s. Temperatur outlet dari pompa terus berkurang seiring dengan bertambahnya mass flowrate. Rentang dari outlet temperature tersebut mencapai 1,8oC dan perubahan suhu terbesar adalah di angka 2,8 oC.Berdasarkan hasil simulasi, daya net yang dihasilkan oleh sistem bergerak meningkat dengan persamaan exponensial dan berkisar antara 1,1-4,35 kW. Selain itu, Berdasarkan hasil simulasi, efisiensi keseluruhan yang dihasilkan oleh system bergerak meningkat dengan persamaan exponensial dengan rentang 4,5-7,1%.

---

Organic Rankine Cycle (ORC) can be used to convert low temperature heat sources into electrical energy. There is a micro-scale PLTP prototype that uses a scroll expander as a work generator. This study will analyze the performance of the ORC system on a micro-scale PLTP prototype with variations in flow rate. In addition, this study also looks for how long the running time is needed for the system to reach steady state conditions. In terms of thermodynamics; pump consumed power, expander power, cycle efficiency, and expansion pressure differential of the expander were selected as parameters to evaluate, simulate and compare the effects of these variations. Simulations were carried out using Matlab with working fluid R245fa following the properties in REFPROP. The working fluid is simulated with a heat source temperature range of 383 K with variations in the flow rate of the working fluid so that later the cycle efficiency value and the difference in pressure expansion of the expander will be obtained. From the simulation results, it is found that the value of pump power consumption increases with increasing mass flow rate until the mass flow rate reaches 0.226 kg/s. It was also found that the value of the fluid pressure at the pump discharge port changes with the increase in mass flowrate and reaches its peak at the mass flowrate of 0.208 kg/s. It was also found that the value of the difference in fluid pressure at the suction port and pump discharge port changed with the increase in mass flowrate and reached its peak at the mass flowrate of 0.208 kg/s. The outlet temperature of the pump continues to decrease as the mass flowrate increases. The range of the outlet temperature reaches 1.8 K and the largest temperature change is at 2.8 K. Based on the simulation results, the net power generated by the mobile system increases with an exponential equation and ranges from 1.1 to 4.35 kW. In addition, based on the simulation results, the overall efficiency generated by the system ranges from 4.5-7.1%."

"Dengan menimbang banyaknya PLTU yang dibangun, dioperasikan di Indonesia dan kapasitasnya lebih dari 15GW. Kapasitas ini akan menjadi dua kali lipat dalam lima tahun yang akan datang sesuai dengan program pemerintah Indonesia dalam pembangunan pembangkit listrik. Namun unjuk kerja dari PLTU yang terpasang tersebut mempunyai efisiensi yang rendah. Hal ini terjadi karena banyaknya kalor yang keluar dari siklus dan dibuang ke lingkungan termasuk kalor yang dibuang ke sistim air pendingin berupa limbah air panas dan dibuang lewat kondenser. Limbah termal ini dapat dimanfaatkan sebagai energi yang potensial menjadi tenaga listrik dengan pemasangan siklus biner. Tujuan penelitian ini adalah untuk mengadakan analisis peningkatan unjuk kerja pembangkit dengan pemasangan siklus biner pada siklus bawah PLTU, dari hasil konversi limbah kalor PLTU menjadi tenaga listrik tambahan, analisis ini menggunakan analisis termodinamika, yakni dengan analisis exergi. Dalam analisis exergi siklus biner ini, dibuat simulasi beberapa alternatip konfigurasi siklus biner dengan menggunakan perangkat lunak Tempo cycle-TU Delft untuk siklus binernya dan verifikasi awal siklus PLTU 100 MW yang terpasang sebagai acuan input siklus biner PLTU, digunakan perangkat lunak Gate cycle-USA. Selanjutnya untuk membuktikan bahwa siklus ini layak dalam semua aspek baik teknis dan ekonomin, maka di adakan analisis keuangan, untuk itu digunakan perangkat lunak analisis keuangan Proforma yang umum digunakan pihak perbankan, dan diadakan analisis sensitivitas teknoekonomi. Dalam penelitian analisis exergi ini menunjukkan bahwa dengan pemasangan siklus biner dua tingkat tekanan pada PLTU, daya keluaran netto pembangkit akan meningkat menjadi sebesar 120.9 MW dibanding keluaran PLTU semula 102.4MW atau meningkat lebih dari 11%, dan efisiensi exerginya naik menjadi 34,9% dibandingkan dengan PLTU semula hanya 31.6% atau meningkat lebih dari 10 %. Peningkatan unjuk kerja ini merupakan hasil konversi limbah limbah kalor PLTU menjadi tambahan daya, hal ini dapat ditunjukkan dari energi limbah kalor pembangkit yang menurun menjadi hanya 109,5 MW dibandingkan dengan limbah kalor PLTU semula 183,7 MW atau turun 40%. Biaya produksi listrik yang lebih murah dari harga yang disetujui pemerintah yakni pemasangan siklus biner pada PLTU eksisting dimana tarifnya hanya 0.0344 US$/kwh atau 36% lebih murah dari tarif yang ditetapkan pemerintah. Hasil analisis keseluruhan dalam disertasi ini menunjukkan bahwa pemasangan siklus biner pada PLTU adalah layak secara tekno ekonomi.

---

Considering that there are many Steam power plants (SPP?s) that have been built and operated in Indonesia which have more than 15 GW. It will be double in the next five years as acceleration program by government of Indonesia (GOI) to build new power generating plants to cover national electricity demand. However unfortunately the performance of conventional SPP?s especially the ones that have been built in Indonesia has low efficiency. This happens because there is a lot amount of heat wasted out of the cycle and emitted to the environment including the heat emitted to the cooling water system and discharges as hot water trough the condenser. This thermal waste is a potential energy that can be utilized to electricity by installing binary cycle.

In this research an exergy analysis of various bottoming binary cycles will be analyzed which can improve the steam power plant cycle performance. In studying the SPP bottoming binary cycle will created simulation of several configurations using Tempo cycle-TU Delft software for the binary cycle and to verify the steam cycle Gate cycle-USA software will be used. In addition to confirm that the cycle is feasible in all aspects both technically and economically, then some sort of technoeconomic analysis would be studied. The technoeconomic analysis of Bottoming binary cycle is calculated and analyzed by using both Cycle tempo-TU Delft software and well known Pro forma financial analysis.

The results of technoeconomic analysis in this research has been proves that by installing bottoming binary cycle plant to the existing SPP is feasible in both thermodynamically and economically. It will reduce plant termal waste down to 23%, increase the performance of conventional SPP that includes increasing gross power output up to 11%, improving plant efficiency by almost 10%, the lower electricity tariff and cheaper than GOI acceptance price level."

"Tesis ini bertema tentang optimasi dari sistem chiller adsorpsi untuk mencari koefisien performa (COP) dan kapasitas pendinginan. Optimasi dilakukan dengan menggunakan gabungan antara jaringan saraf tiruan dan algoritma genetika (GA). Simulasi yang dilakukan adalah pengembangan sistem chiller adsorpsi yang data simulasinya sudah pernah di validasi dengan data eksperimen sebelumnya. Parameter laju alir massa, temperatur, dan waktu siklus divariasikan sebagai variabel penentu. Sementara COP dan kapasitas pendinginan mejadi fungsi objektifnya. Pada tesis ini, jaringan saraf tiruan yang terbentuk menunjukkan bahwa error terkecil jaringan yang terbentuk adalah 0.001532624 atau 0.153%. Hal ini menyatakan bahwa jaringan yang terbentuk dapat memprediksi fungsi objektif COP dan SCP dengan tingkat akurasi sebesar 99.85. Selisih (error) terkecil titik optimum prediksi jaringan saraf tiruan chiller adsorpsi dua bed Silica Gel 123 dan Air dengan nilai simulasi software-nya sebesar 0.027 untuk SCP dan 0.034 untuk nilai COP.

---

The optimization of adsorption chiller system that purposed to approach the optimal coefficient of performance (COP) and cooling capacity is presented in this thesis. The combination of artificial neural network (ANN) and genetic algorithm (GA) is applied to optimize the simulation of adsorption chiller. The adsorption chiller system simulation is an integrated two adsorption bed that developed from previous simulation and experiment that had been done. In this thesis, mass flow, temperature, and time cycle are varied and considered as decision variable while the COP and cooling capacity is chosen as the objective function.

In this thesis, the artificial neural network that formed presents the smallest network error is 0.001532624 or 0.153. This states that the formed network can predict the objective functions of COP and SCP with an accuracy rate of 99.85. The smallest optimum point difference (the error) between the value prediction of neural network adsorption chiller two bed Silica Gel 123 and Water and the software simulations value is 0.027 for SCP and 0.034 for COP."

"Backpropagation neural network backpropagation adalah salah satu algoritma machine learning yang dapat digunakan untuk melakukan klasifikasi data. Klasifikasi data dilakukan dalan serangkaian proses training dan testing. Pada akhir proses testing yang juga merupakan akhir dari proses backpropagation, akan didapatkan nilai recognition rate. Nilai recognition rate merupakan nilai yang menandakan banyaknya data yang berhasil diklasifikasi dengan benar pada proses testing terhadap seluruh testing dataset. Recognition rate erat kaitannya dengan masalah underfitting, overfitting, local minima, dan local maxima. Keempat masalah ini menyebabkan nilai recognition rate yang didapatkan kurang optimal. Namun biasanya untuk menangani keempat masalah ini dilakukan pengaturan pada beberapa paramter, misalnya learning rate, momentum, jumlah layer, jumlah nodes, weights, dan lain-lain. Pada tulisan ini akan dijelaskan program optimasi yang melakukan pengaturan pada nilai inisialisasi weights untuk menangani keempat tersebut. Program ini melakukan inisialisasi weights menggunakan genetic algorithm pada backpropagation yang mengimplementasikan k-fold crossvalidation. Untuk menguji dan membandingkan program optimasi terhadap program implementasi backpropagation yang tidak dioptimasi program non-optimasi, digunakan empat dataset, yaitu iris flower dataset, seeds dataset, wine dataset, dan EEG dataset buatan. Pada akhir pengujian didapatkan hasil bahwa program optimasi berhasil mendapatkan nilai recognition rate lebih tinggi pada iris flower dataset, yaitu 97.33 pada program optimasi dan 96.67 pada program non-optimasi. Kemudian didapatkan pula nilai recognition rate yang lebih tinggi pada seeds dataset, yaitu 93.33 pada program optimasi dan 92.86 pada program non-optimasi. Lalu didapatkan pula nilai recognition rate yang lebih tinggi pada EEG dataset buatan, yaitu 37.5 pada program optimasi dan 35.94 pada program non-optimasi. Sedangkan pada wine dataset didapatkan nilai recognition rate yang sama antara program optimasi dan program non-optimasi, yaitu 99.44.

---

Backpropagation neural network backpropagation is one of machine learning algorithms that can be used to classify data. The data classification is done in a series of trainig and testing processes. At the end of testing process that is also the end of backpropagation process, the algorithm will produce recognition rate value. Recognition rate value indicates the total of correctly classified data in testing process againts all data in testing dataset. Recognition rate value related to underfitting, overfitting, local minima, and local maxima problems. However, to handle these problems adjusting some parameters are necessary to be done. These parameters are learning rate, momentum, number of layers, number of nodes, weights, etc. In this writting will be explained an optimization program that adjusts the initialization values of weights to handle those four problems. This program initializes weights using genetic algorithm on backpropagation implementing k fold crossvalidation. To test and compare the optimization program with a program that implements backpropagation without optimization non optimzation program four datasets will be used, those are iris flower dataset, seeds dataset, wine dataset, and artificial EEG dataset. At the end of the test, the results show that optimization program obtained higher recognition rate value on iris flower dataset, that is 97.33 on optimization program againts 96.67 on non optimization program. Other than that, optimization program obtained higher recognition rate value on seeds dataset, that is 93.33 on optimization program againts 92.86 on non optimization program. Also, optimization program obtained higher recognition rate value on artificial EEG dataset, that is 37.5 on optimization program againts 35.94 on non optimization program. However, the optimization program obtained an equal recognition rate value on wine dataset, that is 99.44."

"Kebutuhan energi untuk rumah tangga atau bangunan di Indonesia sedang tumbuh secara signifikan. Oleh karena itu, efisiensi energi dalam energi pendingin sangat dibutuhkan. Penelitian ini bertujuan untuk mengembangkan sistem kontrol yang dapat menentukan setpoint paling optimal untuk laju aliran air massa untuk meminimalkan energi dari sistem pendingin. Bangunan dimodelkan oleh perangkat lunak Sketchup dan energi pendingin dimodelkan dengan menggunakan teknik co-simulasi antara EnergyPlus dan Matlab melalui BCVTB (Building Controls Virtual Test). Menggunakan Artificial Neural Network (ANN) dan optimisasi Genetic Algorithm (GA) untuk membuat prediksi optimasi titik yang akurat. Penelitian ini mendapatkan penghematan konsumsi listrik chiller HVAC yang sudah menggunakan sistem part load terutama pada daya pompa chiller sebesar 67,675% penghematan dari kondisi aslinya.

---

Energy needs for households or buildings in Indonesia are growing significantly. Therefore, energy efficiency in cooling energy is needed. This study aims to develop a Control Algorithm that can determine the most optimal set point for the mass flow rate of air to drain energy from the cooling system. Buildings are modeled by Sketchup software and cooling energy is modeled using co-simulation techniques between EnergyPlus and Matlab through BCVTB (Building Controls Virtual Test). Use dynamic neural networks (ANN) and genetics algorithm (GA) optimization to make accurate point optimization predictions. This study found the saving of HVAC chiller electricity consumption that already use part load systems, especially on the power of the chiller pump by 67,675% savings from its original condition."

"Penelitian ini dilakukan untuk memperoleh jadwal mata kuliah pada perguruan tinggi yang optimal, sehingga jumlah mata kuliah yang bentrok dapat dikurangi, beban mahasiswa lebih merata, serta penggunaan ruang kelas lebih optimal. Hal ini dilakukan dengan optimasi yaitu melalui penentuan jadwal mata kuliah. Optimasi jadwal dilakukan dengan menggunakan algoritma genetika. Algoritma genetika adalah salah satu algoritma yang tepat digunakan untuk memecahkan permasalahan dalam skala besar dan memiliki tingkat kompleksitas yang tinggi sehingga cocok untuk digunakan memecahkan masalah penjadwalan mata kuliah pada perguruan tinggi yang terkenal rumit dan memiliki banyak sekali variabel kendala yang harus dipenuhi dalam pembuatan jadwal yang baik. Hasil yang diharapkan dari penelitian ini adalah sebuah jadwal mata kuliah yang optimal berdasarkan jumlah mata kuliah yang bentrok, beban mahasiswa, dan penggunaan ruang kelas. Setelah penelitian dilakukan diperoleh jadwal baru yang optimal.

---

The aim of this research is to gain an optimum schedule for university course timetabling problem, in order to decrease the number of clashed courses, even distribute student's study burden, and optimize class utilization. Schedule optimization were achieved using genetic algorithm.

Genetic algorithm is one kind of algorithms that appropiate to be used for solving large scale problem with high complexity so it suitable to be used for solving university course timetabling problem which is an NP-hard problem and many constraints variable that has to be fulfilled in order to make a good schedule.

The result of this research is an optimum schedule based on number of clashed courses, student's study burden, and class utilization. After the research is completely done, the result is a new optimum schedule."

"Penempatan posisi Access Point pada Jaringan Wifi.id yang tepat sangat diperlukan untuk mengoptimalkan kekuatan sinyal yang diterima dari transmitter ke receiver. Parameter yang paling mempengaruhi dalam menentukan performa posisi Access Point adalah nilai kekuatan sinyal, karena nilai inilah yang akan digunakan untuk menentukan coverage area (cakupan sinyal) dari sebuah transmitter (Access Point).Pada penelitan ini telah dilakukan pengukuran terhadap kekuatan sinyal access point terhadap penerima di ruang EBIS WITEL Yogyakarta yang diukur menggunakan InSSIDER dan dihasilkan RSSI (Receive Signal Strength Indicator) dari sebuah transmitter terhadap receiver. Dalam pengukuran juga digunakan propagasi Line Of Sight (LOS) dan propagasi Non Line Of Sight (NLOS). Data yang diperoleh dari hasil pengukuran dilapangan digunakan untuk melakukan pemodelan penempatan posisi Acces Point menggunakan metode algoritma genetika. Kekuatan sinyal RSSI yang diterima oleh receiver tidak hanya bergantung pada jarak antara transmitter dan receiver, akan tetapi menunjukkan variasi yang besar terhadap fading dan shadowing pada sebuah lokasi, juga pengaruh interferensi dapat menyebabkan penurunan sinyal (RSSI) yang diterima oleh receiver.Dari hasil penelitian yang dilakukan, diharapkan dapat menghasilkan pemodelan yang sesuai dan tepat guna dalam melakukan optimisasi penempatan posisi Access Point pada jaringan Wifi.Id menggunakan metode algoritma genetika.

---

Positioning of access point on wifi.id?s network on the right place is needed to optimize the signal strength received from the transmitter to the receiver . The parameters that most influence in determining the performance of the position of the access point is the value of the signal strength, because the value that will be used to determine the coverage area (signal coverage) of a transmitter (access point).

In this research has been done measuring the signal strength of the access point to the receiver in the room EBIS Witels Yogyakarta measured using inSSIDer and generated RSSI (Receive Signal Strength Indicator) from a transmitter to a receiver. Measurements were also used in the propagation of Line Of Sight (LOS) and propagation Non Line Of Sight (NLOS). Data obtained from field measurements are used for modeling the placement of the access point using genetic algorithm. RSSI signal strength received by the receiver does not only depend on the distance between transmitter and receiver, but showed a large variation against fading and shadowing at a location, also influence the interference can cause a decrease in the signal (RSSI) received by the receiver.

From the research conducted, is expected to generate appropriate modeling and effective in optimizing the placement of the access point on the wifi.id?s network using genetic algorithm."

"Permasalahan penjadwalan karyawan secara umum adalah masalah untuk menentukan berapa banyak pekerja yang dibutuhkan untuk ditugaskan terhadap setiap periode waktu kerja yang direncanakan oleh sebuah organisasi dengan tujuan mengcover seluruh penugasan dengan biaya minimum. Permasalahan penjadwalan karyawan mempunyai kompleksitas tinggi karena banyak faktor yang harus dipertimbangkan seperti aturan yang berlaku serta biaya yang ditimbulkan. Metode yang digunakan untuk optimasi penjadwalan karyawan dalam penelitian ini adalah Algoritma Genetika. Solusi melalui metode ini diharapkan dapat membantu perusahaan dalam mengoptimal jadwal karyawan pengawas pembangunan kapal.

---

Crew scheduling problem is in general, the problem of determining how many workers must be assigned to each of the planning periods of work time for an organization in order to cover all assignments at minimum cost. Crew scheduling has a high complexity because of many aspects must be considered, such as work-rule agreements and cost of individual assignment. The method to optimize the crew scheduling problem is Genetic Algorithm. The solution through this method could help the organization to optimize workforce scheduling of ship building surveyor."

"Neuro fuzzy system has been shown to provide a good performance on chromosome classification but does not ofter a simple methods to obtain the accurate parameter values required to yield the best recognition rate....."