Hasil Pencarian  ::  Simpan CSV :: Kembali

"Sistem pendingin pada sebuah bangunan menyumbang energy yang cukup besar pada total energy dari bangunan tersebut. Pemilihan dan penghematan system pendingin yang tepat akan membantu untuk mengurangi konsumsi energy pada system pendingin bangunan. Salah satu cara penghematan pada system pendingin adalah dengan menggunakan bahan-bahan renewable energy sebagai sumber energinya. Gedung Mechanical Research Center yang berada di wilayah Fakultas Teknik Universitas Indonesia, Depok, Jawa Barat telah menggunakan system pendingin absorpsi tenaga matahari guna memanfaatkan sumber panas terbarukan yang dapat menghemat konsumsi energy pada suatu gedung. Tujuan penelitian ini mencoba untuk mengevaluasi besar konsumsi energy yang dikeluarkan oleh absorption chiller pada gedung MRC, evaluasi dilakukan dengan simulasi menggunakan perangkat lunak IES-VE, IES-VE adalah perangkat lunak yang membantu penggunanya untuk mendesain dan mengevaluasi fenomena-fenomena pada suatu bangunan hasil yang didapat dari simulasi ini akan digunakan sebagai perbandingan terhadap hasil artificial intelligence menggunakan metode artificial neural network dan fuzzy.

---

Cooling systems in a building contribute considerable energy to the total energy of the building. Choosing and saving the right cooling system will help to reduce energy consumption in building cooling system. One way of saving on the cooling system is to use renewable energy as a source of energy. Building Mechanical Research Center located in the Faculty of Engineering, University of Indonesia, Depok, West Java has been using solar energy absorption cooling system to utilize renewable heat sources that can save energy consumption in a building.

The purpose of this study was to evaluate the energy consumption of absorption chiller in the MRC building, the evaluation was done by simulation using IES VE software, IES VE is software that help its users to design and evaluate phenomena in a building result Obtained from this simulation will be used in comparison to artificial intelligence result using artificial neural network and fuzzy method."

"Energi Surya merupakan Sumber Energi Terbarukan yang sangat potensial sebagai alternatif sumber energi khususnya kelistrikan, baik untuk mengurangi dampak lingkungan, maupun meningkatkan pelistrikan di daerah terpencil. Penelitian ini dilakukan untuk membangun Model Prediksi Sumber Energi Terbarukan Tenaga Surya di Indonesia. Dalam Studi ini diajukan prosedur optimalisasi Jaringan Syaraf Tiruan berdasarkan Theorema Cybenko tentang universalitas JST dengan 1-hidden layer, dan algoritma Neural Network Construction with Cross-validation Samples (N2C2S) dalam optimalisasi jumlah neuron pada hidden layer. Pemodelan dilakukan pada wilayah Indonesia menggunakan gabungan data meteorologi dan Radiasi Global Surya Bulanan dari SSE NASA dan BMKG selama 4 tahun di 14 lokasi untuk proses training JST, dan 6 lokasi sebagai target prediksi. Pola JST Feed forward multi layer digunakan dalam model ini dengan menerapkan metoda pembelajaran back propagation. Hasil modeling menunjukkan bahwa model JST dengan 1 hidden layer menghasilkan model kriteria akurasi yang sangat baik dengan MAPE 4,1% dan R2 0,82, dibandingkan dengan MAPE 7,52% dan R2 0,48 pada teknik regresi sebagai metoda yang umum digunakan dalam modeling prediksi. Penelitian ini juga mendemonstrasikan bahwa model JST dapat merepresentasikan prediksi lebih akurat dari teknik regresi, khususnya di mana terjadi dinamika yang tinggi pada variabel prediktornya. Hal ini menyimpulkan tidak saja bahwa dengan prosedur optimisasi JST dapat disusun secara optimal untuk memberikan struktur yang lebih sederhana, namun JST yang dihasilkan memberikan piranti prediksi yang akurat dan responsif terhadap dinamika data, dengan akurasi yang dapat dipertanggungjawabkan.

---

This study is focused on modeling the Global Solar Radiation using Artificial Neural Network to predict GSR in a location in Indonesia which is available with meteorological data but lack with radiation measurement data. In this study, an optimalisation of ANN development is proposed based on Cybenko Theorem on universal approximator of single-hidden layer Multi Layer Perceptor combined Neural Network Construction with Cross-validation Samples (N2C2S) algorithm for optimum number of hidden neuron. Data for weather and solar radiation parameter are taken from NASA and BMKG (Indonesian Meterological and Climatology Agency) for 20 cities in Indonesia during the period for 4 year, divided into two groups of 14 cities for model development and 6 cities for model validation. The developed model provides much better performance with MAPE of 4,1% and of R2 0,82, as to compare with the widely used regression technique with MAPE of 7,52% and R2 of 0,48. The simulation shows that an ANN with single-hidden layer is an excellent approximator for the solar radiation function in the targeted area, in particular in the periode where high dynamics is present in predictor variables. This shows that not only the model is able to predict the solar radiation in a good agreement with the actual data, but more importantly that the high dynamics fluctuation of parameter is successfully captured."

"Berdasarkan data Kementerian Perindustrian, industri kabel diperkirakan akan mengalami pertumbuhan sekitar 10% -15% beberapa tahun ke depan. Industri kabel saat ini sedang aktif menyuplai industri otomotif, kenaikan penjualan otomotif dan variasi produk ini yang sangat sulit di antisipasi permintaannya. Oleh karena itu, untuk menghadapi ketidakpastian ini, pelaku bisnis harus memiliki alat atau strategi agar rencana strategis perusahaan menjadi andal. Beberapa penelitian sebelumnya tentang prediksi jumlah stok produk di masa depan, menyimpulkan bahwa inventori, baik dalam bentuk bahan baku, barang dalam proses, produk setengah jadi dan produk jadi, pada biaya inventori 20% hingga 40% dari nilai produk. Dengan demikian, pengendalian inventori sangat penting dalam bisnis perusahaan. Kontribusi utama dari penelitian ini adalah membuat model pendukung keputusan dengan memprediksi pesanan dari pelanggan untuk meminimalkan risiko kegagalan persediaan. Oleh karena itu, kombinasi Fuzzy Analytic Hierarchy Process (Fuzzy AHP) dan Artificial Neural Network (ANN) dilakukan untuk manajemen inventori.

---

Based on data from the Ministry of Industry, the cable industry is expected to experience growth of around 10% -15% in the next few years. The cable industry is currently actively supplying the automotive industry, the increase in automotive sales and variations in these products are very difficult to anticipate demand. Therefore, to deal with this uncertainty, business people must have a tool or strategy so that the company`s strategic plan becomes reliable. Some previous studies on the prediction of the number of product stocks in the future, concluded that inventory, both in the form of raw materials, in-process goods, semi-finished products and finished products, at inventory costs 20% to 40% of product value. Thus, inventory control is very important in the company`s business. The main contribution of this research is to make a decision support model by predicting orders from customers to minimize the risk of inventory failure. Therefore, a combination of Fuzzy Analytic Hierarchy Process (Fuzzy AHP) and Artificial Neural Network (ANN) is carried out for inventory management."

"Tugas Akhir ini merancang suatu pengendali berbasis NeuroFuzzy dan mengujicobanya pada perangkat lunak sederhana untuk sistem linier orde dua. Pada akhir pengendalian diharapkan diperoleh tanggapan sistem yang lebih baik. Tanggapan ini berupa settling time, rise time, overshoot dan galat tunak, yang diharapkan men jadi lebih cepat, lebih singkat, dan lebih kecil. Pengendali yang dirancang adalah suatu pengendali yang menggabungkan Jaringan Saraf Buatan dengan pengendali Logika Fuzzy. Jaringan saraf buatan mempunyai kemampuan belajar dan dilatih dengan sekumpulan data pelatihan. Pada pengendali ini jaringan saraf buatan dilatih untuk menentukan nilai keanggotaan error dan selisih error sebagai masukan pengendali, ke dalam nilai linguistik yang bersesuaian. Pengendali ini juga membutuhkan Fuzzy Assosiative Memory (FAM). Uji cobs perangkat lunak dilakukan terhadap lima model sistem linier orde dua, yang diharapkan mampu mewakili suatu sistem linier orde dua secara keseluruhan. Perangkat lunak tersebut dibuat dengan bahasa pemrograman Visual Pascal, menggunakan Borland Delphi versi 1.0. Tanggapan waktu model sistem linier orde dua tanpa pengendali NeuroFuzzy kemudian akan dibandingkan dengan tanggapan hasil pengendalian dengan pengendali berbasis NeuroFuzzy. Dari hasil perbandingan diharapkan terjadi perbaikan tanggapan. yang menandakan keberhasilan pengendalian."

"Pengendali logika fuzy memiliki kelemahan yaitu segala sesuatu harus didefnisikan terlebih dahulu secara eksplisit, termasuk aturan-aturan kendalinya. Masalah timbul jika aturan-aturan kendali tidak dimiliki dan tidak adanya seorang expert atau operator untuk membentuk aturan-aturan kendali yang sesuai. Masalah ini dapat diatasi dengan menggunakan jaringan syaraf buatan pada bagian inferensi. Jaringan syaraf memiliki kemampuan untuk dilatih dengan sekumpulan data pelatihan, sehingga setelah pelatihan selesai jaringan ini dapat digunakan tanpa harus mengetahui aturan-ataran kendali secara lengkap. Peuggunaan jaringan syaraf menimbulkan masalah bare, yaitu jika data pelatihan tidak tersedia, becarti konsep jaringan syaraf tidak dapat digunakan. Untuk itu digunakan mekanisme belajar (self-learning) untuk menghasilkan data pelatihan yang selanjutnya digunakan untuk melatib jaringan syaraf. Skripsi ini membahas mengenai algoritma dan penerapan pengendali self-learning neurofuzzy pada sistem overdamped dan underdamped serta membahas pengaruh perubahan parameter-parameter pengendali terhadap basil pengendalian."

"This book describes hybrid intelligent systems using type-2 fuzzy logic and modular neural networks for pattern recognition applications. Hybrid intelligent systems combine several intelligent computing paradigms, including fuzzy logic, neural networks, and bio-inspired optimization algorithms, which can be used to produce powerful pattern recognition systems. Type-2 fuzzy logic is an extension of traditional type-1 fuzzy logic that enables managing higher levels of uncertainty in complex real world problems, which are of particular importance in the area of pattern recognition. The book is organized in three main parts, each containing a group of chapters built around a similar subject. The first part consists of chapters with the main theme of theory and design algorithms, which are basically chapters that propose new models and concepts, which are the basis for achieving intelligent pattern recognition. The second part contains chapters with the main theme of using type-2 fuzzy models and modular neural networks with the aim of designing intelligent systems for complex pattern recognition problems, including iris, ear, face and voice recognition. The third part contains chapters with the theme of evolutionary optimization of type-2 fuzzy systems and modular neural networks in the area of intelligent pattern recognition, which includes the application of genetic algorithms for obtaining optimal type-2 fuzzy integration systems and ideal neural network architectures for solving problems in this area."

"Kebutuhan energi untuk rumah tangga atau bangunan di Indonesia sedang tumbuh secara signifikan. Oleh karena itu, efisiensi pada energi pendinginan sangat dibutuhkan. Penelitian ini bertujuan untuk mengembangkan model Artificial Neural Network (ANN) yang dapat memprediksi jumlah konsumsi energi pendinginan untuk pengaturan yang berbeda dari variabel kontrol sistem pendingin VRF. Bangunan dimodelkan oleh perangkat lunak Sketchup dan sistem pendinginan dimodelkan dengan EnergyPlus. MATLAB digunakan untuk training dan testing model ANN. Untuk model testing, set data dikumpulkan melalui simulasi yang sudah divalidasi dengan pengukuran lapangan. Empat langkah yang dilakukan dalam proses training yaitu pengembangan model awal, pemilihan variabel input, optimasi model, dan evaluasi kinerja. Model yang telah dioptimalkan menunjukkan akurasi prediksi yang akurat, sehingga membuktikan potensinya untuk aplikasi dalam algoritma kontrol yang diharapkan dapat menciptakan lingkungan termal ruangan yang nyaman serta energi yang efisien. Hasil analisis TOPSIS menunjukkan penghematan daya listrik sistem VRF sebesar 26% dari daya listrik observasi.

---

Energy needs for households or buildings in Indonesia are growing significantly. Therefore, efficiency in cooling energy is needed. This study aims to develop an Artificial Neural Network (ANN) model that can predict the amount of cooling energy consumption for different settings of the VRF cooling system control variable. The building is modeled by the Sketchup software and the cooling system is modeled by EnergyPlus. MATLAB is used for training and testing ANN models. For model testing, data sets are collected through simulations that have been validated with field measurements. The four steps involved in the training process are initial model development, selection of input variables, model optimization, and performance evaluation. The optimized model shows accurate prediction accuracy, thereby proving its potential for application in control algorithms that are expected to create a comfortable and energy efficient indoor thermal environment. The results of the TOPSIS analysis show that the VRF system's electrical power savings are 26% of the observed electrical power."