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
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
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