Perencanaan kelistrikan perdesaan yang optimal menggunakan metode Particle Swarm Optimization (PSO)

Kholik, Saepul (2018) Perencanaan kelistrikan perdesaan yang optimal menggunakan metode Particle Swarm Optimization (PSO). Diploma thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_Cover.pdf Download (101kB) | Preview
Preview	Text (ABSTRAK) 2_Abstract.pdf Download (107kB) | Preview
Preview	Text (DAFTAR ISI) 3_Daftar Isi.pdf Download (141kB) | Preview
Preview	Text (BAB I) 4_BAB I.pdf Download (260kB) | Preview
	Text (BAB II) 5_BAB II.pdf Restricted to Registered users only Download (562kB) | Request a copy
	Text (BAB III) 6_BAB III.pdf Restricted to Registered users only Download (116kB) | Request a copy
	Text (BAB IV) 7_BAB IV.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB V) 8_BAB V.pdf Restricted to Registered users only Download (608kB) | Request a copy
	Text (BAB VI) 9_BAB VI.pdf Restricted to Registered users only Download (416kB) | Request a copy
	Text (DAFTAR PUSTAKA) 10_DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (216kB) | Request a copy

Abstract

Perencanaan dan pengembangan kelistrikan, khususnya kelistrikan di kawasan rural/perdesaan memerlukan adanya pertimbangan beberapa aspek diantaranya aspek teknis dan aspek ekonomis. Hal ini merupakan sebuah permasalahan dalam perencanaan dan pengembangan kelistrikan perdesaan. Proses perencanaan tersebut seringklali dilakukan hanya menggunakan beberapa aspek saja. Dengan demikian digunakan metode Particle Swarm Optimization (PSO) sebagai alat bantu dalam pemecahan masalah optimasi pemilihan teknik penyedia listrik. Metode PSO banyak digunakan dalam pencarian solusi matematis khususnya dalam bidang optimasi. File yang digunakan pada penelitian ini merupakan file hasil simulasi dari beberapa teknik penyedia listrik yang menjadi opsi. Kriteria yang dioptimasi dari setiap opsi tersebut diantaranya nilai NPV, IRR, PBP, Losses dan Reserves Margin. Berdasarkan hasil simulasi menggunakan metode PSO diperoleh jumlah pertikel sebanyak 4 (PLTMH, PLTS, Kiosk dan Ekspansi Grid), jumlah iterasi maksimal 100, kombinasi parameter PSO yaitu nilai Cognitif learning (c1) sebesar 2, Social learning (c2) sebesar 2, rand1 (r1) sebesar 0,93, rand2 (r2) sebesar 0,40 dan Inertia Weight (w) sebesar 0,55. Berdasarkan file tersebut maka partikel mulai konvergensi pada iterasi ke-37 dengan nilai fitness optimal sebesar 8,17. Dengan demikian didapatkan opsi yang paling optimal yaitu PLTS, karena PLTS merupakan partikel dengan Gbest modus paling baik mulai dari iterasi konvergensi yaitu iterasi ke-37 sampai iterasi 100. PLTS yang menjadi solusi optimal berdasarkan Gbest modus paling baik dengan nilai NPV sebesar 138 Milyar, IRR sebesar 24 %, PBP 15 Tahun, Losses sebesar 9,54 % dan Reserves Margin sebesar 326,56 %.

Actions (login required)

View Item