OTOMATISASI KELAYAKAN BUANG LIMBAH PERTAMBANGAN NIKEL MENGGUNAKAN PARTICLE SWARM OPTIMIZATION DAN SUPPORT VECTOR MACHINE


Musu, Wilem (2013) OTOMATISASI KELAYAKAN BUANG LIMBAH PERTAMBANGAN NIKEL MENGGUNAKAN PARTICLE SWARM OPTIMIZATION DAN SUPPORT VECTOR MACHINE. Thesis thesis, Universitas Hasanuddin.

[thumbnail of Cover]
Preview
Image (Cover)
wilemmusu-2936-1-13-wilem-8 cover.jpg

Download (294kB) | Preview
[thumbnail of bab 1-2] Text (bab 1-2)
wilemmusu-2936-1-13-wilem-8 1-2.pdf

Download (1MB)
[thumbnail of dapus] Text (dapus)
wilemmusu-2936-1-13-wilem-8 dapus.pdf

Download (1MB)
[thumbnail of full text] Text (full text)
wilemmusu-2936-1-13-wilem-8.pdf
Restricted to Registered users only

Download (2MB)

Abstract (Abstrak)

ABSTRAK
Wilem Musu. Otamatisasi Kelayakan Buang Limbah Pertambangan Nikel
Menggunakan Particle Swarm Optimization dan Support Vector Machine
(dibimbing oleh Andani Achmad dan Syafaruddin)
Penelitian ini bertujuan menemukan metode untuk memperpendek
penentuan kelayakan buang limbah pertambangan nikel.
Penelitian ini menggunakan algoritma PSO (Particle Swarm Optimization)
dan SVM (Support Vector Machine). SVM digunakan untuk
mengklasifikasikan besaran nilai kandungan unsur dalam limbah, sedangkan
PSO digunakan untuk mengoptimalkan proses penentuan kelayakan buang
limbah. Penelitian ini membandingkan kinerja antara PSO, SVM, dan
gabungan keduanya (PSO-SVM). Kedua algoritma ini bekerja setelah
menerima data dalam bentuk nilai-nilai kandungan unsur yang dibangkitkan
oleh sebuah aplikasi simulator yang mendeteksi kadar kandungan unsur
dalam air limbah. Hasil analisis tersebut digunakan untuk menentukan
kelayakan pembuangan limbah.
Hasil penelitian menunjukan bahwa penentuan kelayakan buang limbah
berdasarkan analisis kedua metode ini dicapai kurang dari 15 detik. Setelah
membandingkan penggunaan kedua metode tersebut diperoleh hasil bahwa
dari empat kondisi pengujian diperoleh algoritma PSO lebih optimum
dibandingkan dengan metode SVM dan gabungan PSO-SVM, walaupun
dalam kondisi tertentu SVM lebih optimum dibanding PSO. Demikian juga
halnya dengan metode gabungan PSO-SVM.

Item Type: Thesis (Thesis)
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering
Depositing User: - Nurhasnah
Date Deposited: 25 Nov 2021 03:45
Last Modified: 25 Nov 2021 03:45
URI: http://repository.unhas.ac.id:443/id/eprint/11120

Actions (login required)

View Item
View Item