| dc.identifier.citation | A.Ulinuha & Masoum, M.A.S., (2006) "The Accuracy and Efficiency Issues of Decouple Approach for Harmonic Power Flow Calculation" In Regional Postgraduate Conference on Engineering and Science (RPCES) . Johor Bahru, Malaysia: Universiti Teknologi Malaysia, pp. 213–218. Goldberg, D.E., (1953) Genetic Algorithms in search, optimization, and machine learning, Massachusetts: Addison- Wesley Publishing Company, Inc. Holland, J.H., (1975) Adaptation in Natural and Artificial Systems, Ann Arbor: University of Michigan Press. Michalewics, Z., (1996) Genetic Algorithms + Data Structures = Evolution Program 3rd ed., New York: SpringerVerlag Berlin Heidelberg. Pham, D.T. & Karaboga, D., (1998) Intelligent Optimisation Technique : Genetic Algorithms, Tabu Search, Simulated Annealing and Neural Network, London: Springer-Verlag. Ulinuha, A. & Islam, M.A.S.M. and S.M., (2007) Optimal Dispatch of LTC and Switched Shunt Capacitors for Distribution Networks in the Presence of Harmonics. Perth: Curtin University of Technology. Ulinuha, A., Masoum, M.A.S. & Islam, S.M., (2007) Unbalance power flow calculation for a radial distribution system using Forward-Backward Propagation algorithm. 2007 Australasian Universities Power Engineering, Vols 1-2, pp.692–697. | in_ID |
| dc.description.abstract | Algoritma Genetika merupakan salah satu metode komputasi numerik yang cukup handal untuk
penyelesaian persoalan numerik lanjut yang rumit dan secara deterministik seringkali sulit
diselesaikan. Algoritma Genetika termasuk dalam klasifikasi metode probabilistik namun berbeda
dengan teknik acak, karena Algoritma Genetika mengkombinasikan elemen-elemen pada penelusuran
terarah dengan mempertahankan kandidat solusi potensial. Proses penelusuran solusi dengan
Algoritma Genetika merupakan proses komputasi numerik iteratif yang meniru evolusi genetik natural
yang meliputi proses: evaluasi fitness untuk keperluan seleksi individu dalam populasi, pindah silang
(crossover) atas individu terseleksi, dan mutasi genetik. Evolusi perbaikan solusi akan diperoleh
setelah mencapai generasi yang ditentukan. Karena Algoritma Genetika merupakan prosedur
perhitungan yang sifatnya umum, maka sejumlah parameter perlu ditentukan untuk memperoleh
solusi terbaik atas persoalan yang ditangani. Ukuran populasi merupakan salah satu parameter
penting yang dalam makalah ini akan ditentukan dan dilihat pengaruhnya dalam perolehan solusi
global optimal atas sebuah persamaan matematis tak linear yang mengandung sejumlah jebakan
solusi lokal optimal. Algoritma dikembangkan dan diimplementasikan dalam bahasa pemrograman
MatLab. Dari percobaan yang dilakukan, jumlah populasi memberikan pengaruh signifikan terhadap
peraihan solusi optimal global. | in_ID |
