Nama : RESKI LEMAN LUTURMAS

Nim : 201440051
Kelas : INS 4 B
Mata Kuliah : Metodologi Penelitian

No Judul Tujuan Permasalahan Metode Hasil

1 Modeling, untuk Artikel tersebut metode yang Hasil dari penelitian ini
Optimization, menggambarkan menyebutkan digunakan adalah menunjukkan bahwa
and Control penggunaan jaringan bahwa kendali jaringan saraf penggunaan jaringan saraf
of Reverse saraf tiruan (ANN) manual yang tepat tiruan atau artificial tiruan (ANN) dan algoritma
Osmosis dan algoritma terhadap trans neural network genetika (GA) dalam
Water genetika (GA) dalam membran (TMP) (ANN) dan pemodelan dan optimasi
Treatment in pemodelan, optimasi, dan laju aliran algoritma genetika sistem reverse osmosis (RO)
Kazeroon dan pengendalian umpan tidak (GA) . ANN dalam pengolahan udara di
Power Plant sistem reverse mungkin dilakukan, digunakan untuk pembangkit listrik dapat
Using Neural osmosis (RO) dalam dan bahwa kendali memprediksi memberikan hasil yang
Network pengolahan udara di atas kondisi konduktivitas signifikan. Berikut adalah
pembangkit listrik. pengoperasian permeat dan laju beberapa hasil utama dari
S. S. Madaeni Artikel ini bertujuan tidak pasti. aliran berdasarkan penelitian ini:
a untuk menunjukkan Kurangnya kendali kondisi operasi,
, M. Shiri a bahwa ANN dapat ini dapat sedangkan GA ANN dapat digunakan untuk
& A. R. digunakan untuk mempengaruhi digunakan untuk memprediksi dengan akurat
Kurdian b memprediksi kinerja keakuratan dan mencari nilai laju aliran permeat dan
A pabrik RO dengan keandalan hasil. variabel optimal, konduktivitas permeat pada
akurasi yang tinggi, Ketidakpastian termasuk tekanan pabrik RO. Evaluasi kinerja
Chemical serta GA dapat dalam data pabrik: transmembran ANN menunjukkan tingkat
Engineering digunakan untuk Artikel ini (TMP) dan laju akurasi yang tinggi, dengan
Communicati menemukan strategi mengakui bahwa aliran umpan, nilai R^2 sebesar 0,95 untuk
ons , pengendalian yang data pabrik untuk mencapai laju aliran permeat dan 0,99
optimal. Artikel ini biasanya memiliki konduktivitas untuk konduktivitas
Published juga bertujuan untuk gangguan, yang permeat minimum permeat.
online: 21 menunjukkan bahwa selanjutnya
Aug 2014. dengan menambah GA dapat digunakan untuk
mengoptimalkan ketidakpastian menemukan jalur optimal
kondisi operasi RO dalam hasil. untuk mengendalikan
menggunakan ANN Artikel ini secara variabel operasi RO, seperti
dan GA, dapat singkat tekanan transmembran
mencapai kinerja menyebutkan (TMP) dan laju aliran
maksimal dalam hal pengotoran umpan, guna mencapai
aliran permeat dan membran sebagai konduktivitas permeat
konduktivitas faktor yang minimum. Hasil penelitian
permeat. mempengaruhi menunjukkan bahwa nilai
konduktivitas TMP optimum adalah
permeat, namun sekitar 7,6 bar untuk sistem
tidak memberikan RO ketiga yang diteliti
analisis atau Peningkatan TMP secara
pembahasan rinci langsung mempengaruhi laju
mengenai masalah aliran permeat, namun juga
ini. dapat meningkatkan
konduktivitas permeat akibat
polarisasi konsentrasi dan
kepadatan fouling pada
membran.
Penggunaan strategi
 Nama : RESKI LEMAN LUTURMAS
Nim : 201440051
Kelas : INS 4 B
Mata Kuliah : Metodologi Penelitian

pengendalian yang
dihasilkan dari GA dapat
efektif dalam menjaga
kinerja yang diinginkan
pada pabrik RO. Penelitian
ini menunjukkan bahwa
pengendalian TMP dan laju
aliran umpan berdasarkan
jalur optimal yang diusulkan
oleh GA dapat
mempertahankan kinerja
yang diinginkan pada pabrik
RO.

Secara keseluruhan,
penelitian ini menunjukkan
bahwa penggunaan ANN
dan GA dapat memberikan
hasil yang signifikan dalam
pemodelan dan optimasi
kinerja pabrik RO dalam
pengolahan udara di
pembangkit listrik.
2 Soft untuk mengulas artikel ini tidak Metode yang Hasil dari artikel ini adalah
computing penggunaan teknik memberikan digunakan dalam bahwa penggunaan teknik
techniques in komputasi lunak, analisis mendalam penelitian ini komputasi lunak, khususnya
modelling of khususnya algoritma tentang kelebihan mencakup algoritma kecerdasan
membranefiltr kecerdasan buatan dan kekurangan penggunaan buatan, dalam pemodelan
ation system : (AI), dalam masing-masing algoritma dan prediksi sistem filtrasi
a review pemodelan dan algoritma kecerdasan buatan membran memiliki potensi
prediksi sistem kecerdasan buatan seperti jaringan untuk meningkatkan akurasi
Zakariah filtrasi membran. yang dibahas. saraf tiruan (ANN), prediksi dan kinerja sistem.
Yusuf, Artikel ini juga Pembaca hanya sistem berbasis
Norhaliza bertujuan untuk diberikan gambaran pengetahuan, Algoritma seperti jaringan
Abdul membahas tantangan umum tentang sistem fuzzy, saraf tiruan, sistem fuzzy,
Wahab*, dalam masalah algoritma-algoritma sistem neuro-fuzzy dan optimasi algoritma telah
Shahdan penyumbatan tersebut tanpa adaptif, dan berhasil digunakan dalam
Sudin membran dan pembandingan optimasi algoritma. pemodelan dan prediksi
kebutuhan akan yang jelas. Artikel ini juga parameter-parameter penting
Desalination model yang akurat membahas dalam sistem filtrasi
and Water untuk artikel ini tidak penggunaan teknik membran, seperti resistansi
Treatment mengoptimalkan memberikan komputasi lunak hidrolik, penurunan fluks,
kinerja sistem. Selain rekomendasi yang dalam pemodelan dan perilaku penyumbatan.
Received 31 itu, artikel ini spesifik tentang dan prediksi sistem Artikel ini juga menyoroti
August 2018; memberikan bagaimana filtrasi membran. kebutuhan akan model yang
Accepted 18 gambaran tentang mengatasi lebih akurat untuk
April 2019 berbagai alat tantangan dalam mengoptimalkan kinerja
komputasi lunak, masalah sistem filtrasi membran dan
termasuk jaringan penyumbatan mengatasi masalah
 Nama : RESKI LEMAN LUTURMAS
Nim : 201440051
Kelas : INS 4 B
Mata Kuliah : Metodologi Penelitian

saraf tiruan, sistem membran. penyumbatan.

berbasis Meskipun artikel
pengetahuan, sistem ini menyebutkan
fuzzy, sistem neuro- bahwa algoritma
fuzzy adaptif, dan kecerdasan buatan
optimasi algoritma. dapat
Artikel ini juga meningkatkan
membahas akurasi prediksi,
penggunaan tidak ada saran
algoritma AI dalam konkret tentang
proses filtrasi bagaimana
membran dan mengoptimalkan
potensinya untuk kinerja sistem
meningkatkan filtrasi membran
akurasi prediksi. untuk menghindari
Akhirnya, artikel ini atau mengatasi
menyarankan penyumbatan.
algoritma yang
paling cocok untuk .
proses membran dan
area untuk perbaikan
di masa depan.
3 Design and Tujuan dari Penulis metode dalam Mereka berhasil
development penulisan artikel ini menghadapi artikel ini, mengembangkan unit
of reverse adalah untuk tantangan terkait termasuk pemantauan status pabrik
osmosis (RO) membahas desain komunikasi data pengembangan unit RO tertanam yang dapat
plant status dan pengembangan dari unit pemantauan status memberikan data real-time
monitoring sistem pemantauan pemantauan status pabrik RO pada berbagai parameter
system for status pabrik osmosis pabrik RO tertanam tertanam, pabrik seperti laju aliran,
early fault terbalik (RO) untuk ke cloud atau penggunaan tekanan, pH, TDS, dan
prediction and prediksi awal server web, algoritma tegangan . Mereka juga
predictive kerusakan dan terutama di lokasi pembelajaran menerapkan algoritma
maintenance perawatan prediktif. terpencil di India mesin untuk pembelajaran mesin,
Artikel ini juga yang ketersediaan pemeliharaan khususnya regulasi Bayesian
Satyam bertujuan untuk jaringannya prediktif, dan dan Levenberg-Marquardt,
Srivastava1 menjelaskan terbatas. Mereka implementasi untuk memprediksi efisiensi
· Saikrishna penggunaan teknik awalnya antarmuka aplikasi membran dan mendeteksi
Vaddadi1 pembelajaran mesin menggunakan berbasis kejadian terkait pengotoran
· Pankaj dalam memprediksi modul GSM 2G smartphone untuk dan penskalaan membran .
Kumar2 peringatan dini dan untuk transfer data akuisisi dan Sistem yang dikembangkan
· Shashikant tindakan perawatan. tetapi mengalami transfer data telah diuji dan
Sadistap1 Selain itu, artikel ini masalah karena diimplementasikan di
Accepted: 12 juga bertujuan untuk kekuatan jaringan berbagai pabrik RO di
September menggambarkan yang berbeda-beda Rajasthan, India, dan
2018 / pengujian dan di desa yang menunjukkan hasil yang
Published implementasi sistem berbeda menjanjikan dalam deteksi
online: 18 ini di berbagai pabrik kesalahan dini dan
September RO dan desa-desa di pemeliharaan prediktif
2018 Rajasthan, India.
 Nama : RESKI LEMAN LUTURMAS
Nim : 201440051
Kelas : INS 4 B
Mata Kuliah : Metodologi Penelitian

4 Review on untuk membahas dan Terdapat beberapa menggunakan hasil dalam artikel ini.
modelling and mengulas tentang permasalahan. metode pemodelan Pertama, penulis berhasil
control of pemodelan dan Salah satunya dan kontrol sistem memodelkan sistem
desalination kontrol sistem adalah kesulitan desalinasi desalinasi menggunakan
system using desalinasi dalam memodelkan menggunakan osmosis terbalik dengan
reverse menggunakan dan mengontrol osmosis terbalik. menggunakan matriks
osmosis osmosis terbalik. sistem desalinasi Metode ini fungsi transfer dan teknik
Artikel ini juga menggunakan melibatkan
recursive less square.
S. Sobana • bertujuan untuk osmosis terbalik. pemodelan
Penulis juga berhasil
Rames C. menyoroti Penulis juga matematis untuk
Panda pentingnya berjuang dalam menggambarkan mengidentifikasi parameter-
pemodelan dalam mengoptimalkan proses desalinasi parameter yang terjadi
Published merancang dan proses desalinasi dan penggunaan dalam pemodelan sistem
online: 11 mengoptimalkan untuk memenuhi kontrol untuk desalinasi. Selain itu,
March 2011 proses desalinasi. tuntutan mengoptimalkan penulis juga membahas
lingkungan dan kinerja sistem tentang permasalahan yang
Rev Environ ekonomi. Selain desalinasi. Penulis dihadapi dalam proses
Sci itu, penulis juga juga menggunakan desalinasi, seperti polarisasi
Biotechnol menghadapi teknik seperti konsentrasi dan interaksi
(2011) kesulitan dalam matriks fungsi antara membran dan solut.
10:139–150 mengidentifikasi transfer, teknik Hasil ini dapat digunakan
parameter- kuadrat terkecil sebagai dasar untuk
parameter yang rekursif, dan merancang dan
terjadi dalam algoritma Gauss- mengoptimalkan proses
pemodelan sistem Newton dalam
desalinasi yang lebih efisien
desalinasi. pemodelan dan
dan efektif.
estimasi parameter
sistem desalinasi.
5 Soft Tujuan penulisan Tidak adanya Metode yang Hasil dari penulisan artikel
computing artikel ini adalah analisis sensitivitas digunakan oleh ini adalah penggunaan
techniques in untuk menyelidiki yang mendalam penulis dalam teknik komputasi lunak,
prediction penggunaan teknik terhadap artikel ini adalah seperti Jaringan Saraf Tiruan
Cr(VI) komputasi lunak, parameter- penggunaan teknik (ANN) dan Sistem Inferensi
removal khususnya Jaringan parameter yang komputasi lunak, Neuro-Fuzzy Adaptif
efficiency of Saraf Tiruan (ANN) digunakan dalam khususnya Jaringan (ANFIS), dapat digunakan
polymer dan Sistem Inferensi model. Artikel Saraf Tiruan untuk memprediksi efisiensi
inclusion Neuro-Fuzzy Adaptif hanya (ANN) dan Sistem penghilangan Cr(VI)
membranes (ANFIS), dalam menyebutkan Inferensi Neuro- menggunakan Membran
memprediksi bahwa tiga teknik Fuzzy Adaptif Inklusi Polimer (PIMs) .
Muhammad efisiensi analisis sensitivitas (ANFIS), untuk Penelitian ini menunjukkan
Yaqub1 penghilangan Cr(VI) digunakan, tetapi memprediksi bahwa kedua model ANN
, Beytullah menggunakan tidak memberikan efisiensi dan ANFIS dapat
EREN2†, Membran Inklusi hasil yang spesifik penghilangan memberikan prediksi yang
Volkan Polimer (PIMs). atau kesimpulan Cr(VI) akurat terhadap efisiensi
Eyupoglu3 Artikel ini juga yang jelas tentang menggunakan penghapusan Cr(VI) dari
bertujuan untuk parameter- Membran Inklusi limbah menggunakan PIMs.
Received membandingkan parameter yang Polimer (PIMs) Namun, tidak ada kinerja
March 4, kinerja model ANN paling berpengaruh yang mendalam antara
2019 dan ANFIS dalam terhadap efisiensi kedua model dalam artikel
 Nama : RESKI LEMAN LUTURMAS
Nim : 201440051
Kelas : INS 4 B
Mata Kuliah : Metodologi Penelitian

Accepted memprediksi penghilangan ini

June 13, 2019 efisiensi Cr(VI)
penghilangan Cr(VI)
dari limbah
menggunakan PIMs.
6 A review of Tujuan dari beberapa Penulis artikel ini mencapai
the artificial penulisan artikel ini permasalahan. menggunakan beberapa hasil. Pertama,
neural adalah untuk Salah satunya metode jaringan penggunaan jaringan saraf
network membahas adalah masalah saraf tiruan (ANN) tiruan (ANN) memiliki
based penggunaan jaringan fouling membran dalam artikel ini. potensi dalam memprediksi
modelling and saraf tiruan (ANN) yang menjadi ANN digunakan dan mengoptimalkan operasi
simulation dalam pemodelan tantangan utama untuk memodelkan sistem desalinasi osmosis
approaches dan simulasi teknik dalam operasi dan menyalin terbalik (RO) berbasis
applied to desalinasi osmosis sistem desalinasi teknik desalinasi membran dengan akurasi
optimize terbalik (RO). berbasis membran. osmosis terbalik tinggi. Selain itu, penulis
reverse Artikel ini bertujuan Fouling membran (RO) juga menyajikan wawasan
osmosis untuk dapat menyebabkan komprehensif tentang
desalination menggambarkan penurunan penggunaan ANN dalam
techniques potensi ANN dalam permeabilitas pemodelan pabrik desalinasi
memprediksi dan membran, RO, termasuk prediksi
Rajesh mengoptimalkan peningkatan fouling membran, biaya
Mahadevaa , operasi sistem tekanan operasi, analisis, dan penggunaan
Gaurav desalinasi berbasis dan penurunan energi terbarukan. Artikel
Manika,*, membran. Selain itu, kualitas udara yang ini juga memberikan
Anubhav artikel ini juga dihasilkan. Selain perspektif masa depan dan
Goela , bertujuan untuk itu, penulis juga potensi penelitian dalam
Nirajan menyajikan menghadapi penggunaan ANN dalam
pemahaman permasalahan desalinasi RO
Dhakalb
komprehensif dalam menganalisis
tentang penggunaan dan memodelkan
Received 14 ANN dalam sistem desalinasi
October 2018; pemodelan pabrik RO yang kompleks
Accepted 21 desalinasi RO. dengan
February Artikel ini juga menggunakan data
2019 berakhir dengan eksperimental dan
membahas perspektif real-time yang
masa depan dan kompleks
potensi penelitian
dalam bidang ini
7 Optimal Tujuan dari Penulis mengalami Penulis Desain sistem energi
Design of penulisan artikel ini permasalahan menggunakan terbarukan hibrida yang
Hybrid adalah untuk dalam menentukan metode optimasi optimal untuk desalinasi
Renewable mengusulkan desain ukuran optimal algoritma pencarian osmosis terbalik di Arar,
Energy optimal dari sistem komponen sistem kelelawar Arab Saudi telah diusulkan.
System for a energi terbarukan energi terbarukan (algoritma Sistem ini mencakup turbin
Reverse hybrid untuk sistem hibrida untuk kelelawar) untuk angin, panel fotovoltaik,
Osmosis desalinasi osmosis desalinasi osmosis menentukan ukuran baterai, dan tangki udara.
Desalination terbalik di Arar, terbalik di Arar, optimal komponen Tiga teknik optimasi
System in Arab Saudi. Artikel Arab Saudi. sistem energi (optimasi gerombolan
 Nama : RESKI LEMAN LUTURMAS
Nim : 201440051
Kelas : INS 4 B
Mata Kuliah : Metodologi Penelitian

Arar, Saudi ini juga bertujuan Mereka juga terbarukan hibrida. partikel, algoritma
Arabia untuk menampilkan menghadapi kelelawar, dan optimasi
dan memancarkan tantangan dalam mimik sosial) telah
Ali M. teknik optimasi yang memilih teknik digunakan untuk
Eltamaly1,2,3 berbeda dalam optimasi yang tepat menentukan ukuran optimal
· Emad Ali4 menentukan ukuran untuk mencapai komponen sistem. Hasilnya
· Mourad optimal komponen hasil yang optimal. menunjukkan bahwa
Bumazza4 sistem. Selain itu, Selain itu, penulis penggunaan sistem energi
· Sarwono artikel ini juga juga menghadapi terbarukan hybrid untuk
Mulyono4 membahas analisis kesulitan dalam sistem desalinasi lebih
· Muath biaya dalam menganalisis biaya unggul, dan algoritma bat
Yasin4 memproduksi air produksi air tawar adalah teknik optimasi yang
tawar menggunakan menggunakan paling akurat.
Received: 30 faktor biaya faktor biaya
October terlevelisasi. Tujuan terlevelisasi. Hasil optimasi menunjukkan
2020 / lainnya adalah untuk bahwa sistem yang
Accepted: 3 menyajikan wawasan diusulkan terdiri dari 126
April 2021 tentang desain dan turbin angin, panel
optimasi sistem fotovoltaik seluas 36.560
RESEARCH energi terbarukan m2, dan baterai dengan
ARTICLE- untuk berbagai kapasitas 75,45 kWh. Sistem
ELECTRICAL
ENGINEERING aplikasi, termasuk ini memiliki biaya produksi
desalinasi, serta air tawar sebesar $0.75 per
menyoroti meter kubik dengan tingkat
pentingnya ramalan kehandalan 99.4%.
cuaca dan strategi
manajemen energi
dalam mencapai
hasil yang optimal.
8 Modeling and Tujuan dari Permasalahan. Penulis Hasil dari penelitian ini
control of penulisan artikel ini Pertama, penulis menggunakan adalah pengembangan
reverse adalah untuk menghadapi metode pencetakan model untuk proses
osmosis membahas kesulitan dalam dan pengendalian desalinasi osmosis terbalik
desalination pemodelan dan merancang dan proses desalinasi menggunakan teknik tujuan
process using pengendalian proses mengendalikan osmosis terbalik dan terdesentralisasi. Penulis
centralized desalinasi osmosis proses desalinasi menggunakan juga menyertakan kinerja
and terbalik osmosis terbalik. teknik gagal dan obeng dan terdesentralisasi
decentralized menggunakan teknik permasalahan terdesentralisasi. serta penggunaan pengontrol
techniques asal dan dalam Metode ini proporsional integral (PI)
terdesentralisasi. mengimplementasi melibatkan model dan pengontrol berbasis
S. Sobana, Artikel ini juga kan pengontrol pengembangan prediksi model (MPC) untuk
Rames.C. bertujuan untuk proporsional untuk proses proses desalinasi. Hasil
Panda mengembangkan integral (PI) dan desalinasi osmosis simulasi menunjukkan
model untuk proses pengontrol berbasis terbalik dan bahwa pengontrol
2014 Elsevier tersebut dan prediksi model mengukur kinerja mempunyai waktu respon
B.V. All membandingkan (MPC) untuk operator Penggerak yang lebih cepat dan
rights kinerja operator proses desalinasi dan penyesuaian waktu yang
reserved seluler dan osmosis terbalik. terdesentralisasi. lebih singkat dibandingkan
terdesentralisasi. Pengendalian yang Selain itu, penulis dengan pengontrol yang
 Nama : RESKI LEMAN LUTURMAS
Nim : 201440051
Kelas : INS 4 B
Mata Kuliah : Metodologi Penelitian

Selain itu, artikel ini efektif dan stabil juga menggunakan terdesentralisasi. Namun,
juga membahas dapat menjadi pengontrol pengontrol terdesentralisasi
penggunaan tantangan dalam proporsional memiliki keuntungan dalam
pengontrol mengoptimalkan integral (PI) dan desain yang lebih sederhana,
proporsional integral kinerja proses pengontrol berbasis yang lebih baik, dan lebih
(PI) dan pengontrol desalinasi. prediksi model tahan terhadap lingkungan.
berbasis prediksi (MPC) untuk Selain itu, penggunaan
model (MPC) untuk mengendalikan pengontrol MPC juga
proses tersebut. proses desalinasi menunjukkan kinerja yang
lebih baik dibandingkan
dengan pengontrol PI dalam
sistem desalinasi
9 Robust Tujuan dari Permasalahan yang Penulis Hasil dari penulisan artikel
model-based penulisan artikel ini dialami oleh menggunakan ini adalah pengembangan
control of a adalah untuk penulis dalam metode kontrol strategi kontrol berbasis
tubular memahami strategi artikel ini adalah berbasis model model yang kuat untuk unit
reverse- kontrol berbasis kurangnya untuk desalinasi osmosis terbalik
osmosis model yang kuat penjelasan mengembangkan berbentuk tabung. Strategi
desalination untuk unit desalinasi mengenai metode strategi kontrol kontrol berbasis model ini
unit osmosis terbalik yang digunakan pada unit desalinasi telah berhasil memperbaiki
berbentuk tabung. untuk osmosis terbalik kinerja unit kontrol
M. Al-haj Ali Artikel ini juga mengembangkan berbentuk tabung desalinasi osmosis terbalik
⁎, A. Ajbar, bertujuan untuk model matematika dalam pelacak set-point dan
E. Ali, K. membandingkan dinamis dari proses menolak beban [1] . Selain
Alhumaizi kinerja strategi desalinasi osmosis itu, strategi kontrol berbasis
kontrol berbasis terbalik berbentuk model juga menunjukkan
2010 Elsevier model dengan tabung keefektifannya bahkan
B.V. All kontroler PI klasik, dengan perubahan parameter
rights serta untuk model [2] . Artikel ini juga
reserved menunjukkan membandingkan kinerja
keefektifan strategi strategi kontrol berbasis
kontrol berbasis model dengan kontroler PI
model bahkan klasik, dan menunjukkan
dengan perubahan bahwa strategi kontrol
parameter model. berbasis model memiliki
kinerja yang lebih baik
10 A Novel Tujuan dari Tidak ada Penulis Hasil penelitian
AGPSO3- penulisan artikel ini informasi yang menggunakan menunjukkan bahwa model
based ANN adalah untuk disediakan dalam metode AGPSO3-ANN yang
Prediction mengusulkan model artikel yang Autonomous diusulkan melampaui teknik
Approach: berbasis AGPSO3- menjelaskan Groups Particle PSO-ANN konvensional
Application ANN untuk adanya Swarm dalam memprediksi aliran
to the RO memprediksi dengan permasalahan yang Optimization-based permeasi pabrik desalinasi
Desalination akurat permeate flux dialami oleh Artificial Neural RO.Model ini diukur dalam
Plant dari pabrik desalinasi penulis. Artikel ini Network hal koefisien regresi (R2)
reverse osmosis lebih fokus pada (AGPSO3-ANN) dan ketidakpastian rata-rata
Rajesh (RO). Selain itu, pengusulan model untuk memprediksi persegi (MSE), dan
Mahadeva1 · artikel ini juga baru untuk performa real-time menunjukkan kinerja yang
Mahendra bertujuan untuk memprediksi dari pabrik unggul dalam kedua
 Nama : RESKI LEMAN LUTURMAS
Nim : 201440051
Kelas : INS 4 B
Mata Kuliah : Metodologi Penelitian

Kumar2 · meningkatkan performa real-time desalinasi. metrik.Studi ini juga

Anubhav pemodelan dan dari pabrik menyediakan analisis yang
Goel1 · mencapai hasil desalinasi. ketat dari sembilan
Shashikant P. simulasi terbaik parameter untuk
Patole3 · dengan melakukan meningkatkan pemodelan
Gaurav analisis yang ketat dan mencapai hasil simulasi
Manik1 berdasarkan terbaik.Secara keseluruhan,
sembilan parameter hasil penelitian
Received: 12 yang telah menunjukkan bahwa model
January ditentukan. AGPSO3-ANN yang
2022 / diusulkan dapat menjadi alat
Accepted: 18 berharga bagi industri
January 2023 desalinasi untuk
meningkatkan kinerja pabrik
Arabian desalinasi RO secara real-
Journal for time.
Science and
Engineering