Hasil Pencarian  ::  Simpan CSV :: Kembali

"Metode Conjugate Gradient merupakan salah satu cara untuk optimumkan fungsi f(x) untuk x tanpa kendala (unconstrained optimisation). Optimisasinya dijalankan secara iteratif dengan bantuan garis-garis arah yang saling conjugate. Karena metode ini sangat efisien dalam pemanfaatan storage, maka timbullah usaha untuk mengembangkannya. Salah satu pengembangannya adalah dengan menghubungkan metode CG ini dengan metode BFGS, yang kemudian menghasilkan suatu metode baru yang disebut VSGCG."

"Reduced Gradient adalah salah satu metode optimasi dimana pada persamaan yang terbentuk akan terjadi pengurangan komponen Gradient-nya. Dalam skripsi ini, akan dibahas penggunaan metode Reduced Gradient ini untuk mengoptimasi daya pembangkitan tenaga listrik. Optimasi yang dilakukan adalah optimasi antara daya yang dibangkitkan terhadap biaya yang dibutuhkan untuk pembangkitan tersebut dalam suatu sistem tenaga listrik. Sistem tenaga listrik yang dimaksud merupakan sistem yang terdiri dari pembangkit, bus (beban, pembangkit, gabungan beban dan pembangkit), dan saluran transmisi. Untuk dapat melakukan proses optimasi melalui perhitungan dengan menggunakan metode ini, diperlukan adanya suatu formulasi masalah dengan menggunakan program matematik non linier dimana formulasi tersebut akan mengandung variabel-variabel yang digunakan sistem tersebut dan memiliki hubungan fungsional. Perhitungan yang dilakukan dengan metode ini adalah melalui proses iterasi untuk memperoleh fungsi tujuan yang paling optimal. Untuk mempermudah proses perhitungan yang dilakukan, terlebih dahulu akan dilakukan penyederhanaan persamaan dengan menghilangkan suku-suku tertentu dari persamaan tersebut yang akan diperhitungkan kemudian. Daya yang dibangkitkan oleh sebuah pembangkit memiliki batasan minimal dan maksimal. Oleh karena itu, dalam proses optimasi yang dilakukan, nilai yang diperoleh akan optimal jika berada di dalam batasan-batasan yang diberikan. Setelah nilai optimal diperoleh, kemudian akan dihitung berapa besarnya rugi-rugi penyaluran yang terjadi dan akan didistribusikan ke setiap pembangkit dengan menggunakan faktor partisipasi. Sebagai aplikasi dari metode Reduced Gradient ini, dalam skripsi ini akan dilakukan pengoptimasian daya pembangkit dan biaya optimum terhadap pembangkit tenaga listrik yang terdapat di Pulau Bali."

"Direct Seguence CDMA (DS-CDMA) melalui wideband memiliki potensi untuk menyediakan kecepatan data yang lebih tinggi dan kapasitas yang lebih besar, juga sesuai dengan kebutuhan akan fleksibilitas bandwidth untuk multimedia. Metode ini juga tahan terhadap noise dan memiliki kinerja yang lebih baik untuk mendukung komunikasi 3 G DS-CDMA melakukan data spreading dengan cara korelasi antara data dan pseudo-noise code (PN Code) serta mengurangi level daya. Sinyal yang diterima reciver pada sistem ini merupakan penjumlahan dari semua sinyal user sehingga overlap pada domain waktu dan frekuensi karena DS-CDMA menggunakan domain waktu dan frekuensi yang sama. PN Code untuk tiap user berbeda untuk membedakan multi-user. Tetapi cross-correlation antara PN Code menyebabkan Multiple Access Interference (MAI) yang merupakan masalah utama karena membatasi kapasitas pelanggan pada suatu sistem.Untuk mengatasi masalah ini, deteksi multi-user sangat efektif sedangkan detektor konvensional tidak memiliki kemampuan tersebut. Detektor konvensional hanya mendeteksi satu user tanpa mempedulikan user lain yang juga terdapat pada sistem. Dengan demikian, Interference Canceller dengan metode Conjugate Gradien! untuk multi-user diajukan. Conjugate Gradient Detector dianggap efektif untuk meningkatkan kinerja DS-CDMA dengan metode yang digunakan adalah Conjugate Gradient Method. Simulasi yang dilakukan pada skripsi ini menunjukkan bahwa metode ini dapat mengurangi MAI, meningkatkan kinerja dan kapasitas sistem Direct Seguence W-CDMA."

"The Lanczos and conjugate gradient (CG) algorithms are fascinating numerical algorithms. This book presents the most comprehensive discussion to date of the use of these methods for computing eigenvalues and solving linear systems in both exact and floating point arithmetic. The author synthesizes the research done over the past 30 years, describing and explaining the "average" behavior of these methods and providing new insight into their properties in finite precision. Many examples are given that show significant results obtained by researchers in the field.The author emphasizes how both algorithms can be used efficiently in finite precision arithmetic, regardless of the growth of rounding errors that occurs. He details the mathematical properties of both algorithms and demonstrates how the CG algorithm is derived from the Lanczos algorithm. Loss of orthogonality involved with using the Lanczos algorithm, ways to improve the maximum attainable accuracy of CG computations, and what modifications need to be made when the CG method is used with a preconditioner are addressed."

"

Penelitian ini membahas konstruksi distribusi Marshall-Olkin-Kumaraswamy-Eksponensial (MOKw-E), yang merupakan kombinasi distribusi Marshall-Olkin (MO) dan Kumarawasmy-Eksponensial (Kw-E). Distribusi ini dikenal sebagai model fleksibel yang dapat diaplikasikan untuk data dengan berbagai bentuk distribusi. Estimasi parameter dilakukan menggunakan Maximum Likelihood Estimation (MLE) dengan bantuan dua metode numerik, yaitu metode Nelder-Mead dan metode Gradien Konjugat Fletcher Reeves. Kedua metode ini banyak digunakan dalam penyelesaian permasalahan optimasi karena memiliki tingkat efisiensi yang tinggi dengan komputasi yang sederhana tetapi memberikan hasil yang akurat. Kedua metode ini akan dibandingkan dengan melihat nilai Mean Squared Error (MSE) yang merupakan suatu metrik untuk melihat seberapa cocok model dengan data yang digunakan. Terakhir, model yang dikembangkan diaplikasikan pada data severitas klaim asuransi pengangguran untuk menunjukkan kemampuan model dalam memodelkan data severitas klaim. Model tersebut akan dibandingkan dengan model yang dibangun dari distribusi Kw-E dengan melihat nilai Akaike Information Criteria (AIC) dan Bayessian information criteria (BIC) untuk menunjukan bahwa model yang dikembangkan lebih baik dibandingkan model asalnya.

---

This research discusses the construction of the Marshall-Olkin-Kumaraswamy-Exponential (MOKw-E) distribution, which is a combination of the Marshall-Olkin (MO) and Kumaraswamy-Exponential (Kw-E) distributions. This distribution is known as a flexible model applicable to data with various distribution shapes. Parameter estimation is performed using Maximum Likelihood Estimation (MLE) with the assistance of two numerical methods the Nelder-Mead method and the Conjugate Gradient Fletcher Reeves method. Both methods are widely used in solving optimization problems due to their high efficiency with simple computations yet accurate results. These methods will be compared by examining the Mean Squared Error (MSE) values, which is a metric to assess how well the model fits the data. Finally, the developed model is applied to unemployment insurance claim severity data to demonstrate the model's capability in representing severity claim data. The model will be compared with a model built from the Kw-E distribution by evaluating the Akaike Information Criteria (AIC) and Bayesian Information Criteria (BIC) values to show that the developed model is superior to the original model.

"