Penerapan Metode Particle Swarm Optimization (PSO) Dan Genetic Algorithm (GA) Pada Sistem Optimasi Visible Light Communication (VLC) Untuk Menentukan Posisi Robot

Istighfarin, Nanda Febri; Rahmastati, Regina Anisa; Nugroho, Herminarto

doi:10.24176/simet.v11i1.4052

Cited by 12 publications

(11 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Metode PSO ini cocok digunakan untuk berbagai permasalahan optimasi [9]- [12]. Hal ini dikarenakan PSO memiliki algortima yang sederhana sehingga efektif digunakan untuk mengoptimisasi permasalahan yang memiliki jangkauan luas.…”

Section: Metode Optimasi 221 Particle Swarm Optimization (Pso)unclassified

Penerapan Metode Particle Swarm Optimization dan Genetic Algorithm pada Optimisasi Sudut Kelengkungan Turbin Air Banki Untuk Mendapatkan Efisiensi Daya Optimal

Nugroho

Yusva²,

Pandiangan³

2022

energi

View full text Add to dashboard Cite

Indonesia memiliki banyak sumber daya seperti panas bumi, surya, angin, air, dan lain sebagainya. Diantara banyaknya sumber daya, air merupakan sumber daya yang paling dominan bagi Indonesia. Karena jumlah ketersediaan air di Indonesia mencapai 694 milyar meter kubik pertahunnya. Sehingga, pembangkit listrik tenaga air banyak digunakan sebagai pemasok energi. Pada jurnal ini membahas efisiensi pembangkit listrik tenaga air menggunakan model turbin air Banki yang ditulis oleh Mockmore dan Merryfield pada tahun 1949. Permasalahan yang akan dibahas adalah bagaimana memaksimalkan daya keluaran turbin dengan menggunakan metode optimasi Particle Swarm Optimization (PSO) dan Genetic Algorithm (GA). Perbedaan yang didapat dengan menggunakan kedua metode ini adalah nilai maksimum daya keluaran, efisiensi dan jumlah iterasi maksimum yang dilakukan. Berdasarkan perbedaan tersebut maka dapat dikatakan bahwa metode PSO lebih baik daripada GA dalam memaksimalkan daya keluaran dan efisiensi dari turbin

show abstract

Section: Metode Optimasi 221 Particle Swarm Optimization (Pso)unclassified

Penerapan Metode Particle Swarm Optimization dan Genetic Algorithm pada Optimisasi Sudut Kelengkungan Turbin Air Banki Untuk Mendapatkan Efisiensi Daya Optimal

Nugroho

Yusva²,

Pandiangan³

2022

energi

View full text Add to dashboard Cite

show abstract

“…Teknik optimasi ini adalah sebuah komputasi evolusioner yaitu pemecahan algoritmanya diawali pada sebuah populasi yang random atau disebut partikel [9]. Aplikasi PSO ada berbagai macam, diantaranya: optimasi posisi robot [10]- [12][13], dan juga untuk optimasi Optical Ring Resonator [14], [15].…”

Section: Pendahuluanunclassified

Perbandingan Metode Optimasi Non-Linear Partical Swarm Optimization (PSO) Dengan Metode Interior Point Untuk Optimasi Daya Pada Turbin Angin Dengan Menentukan Nilai Optimum Pitch Angle

Prasetyo

Rafinda

Nugroho

2022

kilat

View full text Add to dashboard Cite

Along with the increasing development of technology, demand for electricity is also increasing. To overcome the problem of reducing electricity raw materials originating from fossil energy, new renewable energi is the solution. One of the new renewable energi sources that have high efficiency values is wind. Wind power plants require wind speed to produce efficiency and output power in the wind turbine. The optimization problem of a wind turbine is to determine the angle of placement of the wind turbine in order to produce the desired optimum power. This journal is determining the wind turbine pitch angle to determine the optimum power by comparing two optimization methods, namely Partical Swarm Optimization (PSO) and the Interior Point optimization method. The data to be obtained is the optimal distance between the turbines and the comparison of the efficiency between the two optimization methods in producing the optimal solution for the problem of placing wind turbines in the wind turbine field. Seiring dengan meningkatnya perkembangan teknologi, kebutuhan listrik juga semakin meningkat. Untuk mengatasi permasalahan berkurangnya bahan baku listrik yang berasal dari energi fosil, maka energi baru terbarukan adalah solusinya. Sumber energi baru terbarukan yang memiliki nilai efisiensi yang tinggi salah satunya adalah angin. Pembangkit listrik tenaga angin membutuhkan kecepatan angin untuk menghasilkan efisiensi dan daya keluaran pada turbin angin tersebut. Permasalahan optimisasi dari suatu turbin angin adalah menentukan sudut peletakan turbin angin agar menghasilkan daya optimum yang diinginkan. Pada jurnal ini bertujuan menentukan pitch angle wind turbine unutk menentukan daya optimum dengan membandingkan dua metode optimasi yaitu Partical Swarm Optimization (PSO) dan metode optimasi Interior Point. Data yang akan diperoleh adalah jarak optimal antar turbin dan perbandingan efisiensi antara kedua metode optimasi tersebut dalam menghasilkan solusi optimal untuk masalah penempatan turbin angin di lapangan turbin angin.

show abstract

“…PSO menggunakan metode searah. Hanya gbest/lbest yang dapat memberikan informasi pencarian solusi cepat dan juga terbaik sedangkan mekanisme GA, chromosome akan berbagi informasi dengan yang lainnya, sehingga menyebabkan populasi melakukan gerakan layaknya satu kelompok yang menuju tempat yang maksimal [22].…”

Section: Gambar 1 Grafik Kurs Rupiah Terhadap Dolarunclassified

Komparasi Model Prediksi Kurs Pada Masa Pandemi Covid-19 Menggunakan Neural Network Berbasis Genetic Algorithm dan Particle Swarm Optimization

2022

View full text Add to dashboard Cite

Data BI menunjukan kurs rupiah terhadap dolar mengalami pelemahan pada awal pandemi. Ketidakstabilan kurs merupakan masalah penting bidang ekonomi di Indonesia. Oleh sebab itu diperlukan sebuah model prediksi kurs tehadap dolar di masa pandemi Covid-19 guna memprakirakan kurs. Dalam penelitian ini diusulkan komparasi model prediksi kurs rupiah terhadap dolar menggunaan algoritma Neural Network berbasis GA dan Neural Network berbasis PSO. Tahapan awal penelitian dilakukan dengan pengumpulan data selama masa pandemi covid-19 (2019 s.d 2021). Data berupa time series tersebut kemudian dilakukan preprocessing sehingga data siap untuk menjadi inputan model yang diusulkan. Adapun teknik validasi menggunakan k-fold validation dengan skenario 70:30. Evaluasi dilakukan dengan output RMSE. Hasil prediksi terbaik dilihat dari tingkat error yang paling minimum. Hasil penelitian menunjukan bahwa perfoma algoritma optimasi dalam meningkatkan tingkat error Neural Network sama besarnya, yakni 0.020 +/-0.006.

show abstract

Penerapan Metode Particle Swarm Optimization (PSO) Dan Genetic Algorithm (GA) Pada Sistem Optimasi Visible Light Communication (VLC) Untuk Menentukan Posisi Robot

Cited by 12 publications

References 0 publications

Penerapan Metode Particle Swarm Optimization dan Genetic Algorithm pada Optimisasi Sudut Kelengkungan Turbin Air Banki Untuk Mendapatkan Efisiensi Daya Optimal

Penerapan Metode Particle Swarm Optimization dan Genetic Algorithm pada Optimisasi Sudut Kelengkungan Turbin Air Banki Untuk Mendapatkan Efisiensi Daya Optimal

Perbandingan Metode Optimasi Non-Linear Partical Swarm Optimization (PSO) Dengan Metode Interior Point Untuk Optimasi Daya Pada Turbin Angin Dengan Menentukan Nilai Optimum Pitch Angle

Komparasi Model Prediksi Kurs Pada Masa Pandemi Covid-19 Menggunakan Neural Network Berbasis Genetic Algorithm dan Particle Swarm Optimization

Contact Info

Product

Resources

About