IMPLEMENTASI GRADIENT DESCENT DAN VARIANNYA DALAM BAHASA R DENGAN STUDI KASUS PREDIKSI FAKTOR KOMPRESIBILITAS GAS

Nasrulloh, Imam Fachmi (2016) IMPLEMENTASI GRADIENT DESCENT DAN VARIANNYA DALAM BAHASA R DENGAN STUDI KASUS PREDIKSI FAKTOR KOMPRESIBILITAS GAS. Other thesis, Universitas Pendidikan Indonesia.

[img]
Preview
Text
S_KOM_0902306_Title.pdf

Download (101kB) | Preview
[img]
Preview
Text
S_KOM_0902306_Abstract.pdf

Download (111kB) | Preview
[img]
Preview
Text
S_KOM_0902306_Table_of_content.pdf

Download (271kB) | Preview
[img]
Preview
Text
S_KOM_0902306_Chapter1.pdf

Download (72kB) | Preview
[img] Text
S_KOM_0902306_Chapter2.pdf
Restricted to Repository staff only

Download (621kB)
[img]
Preview
Text
S_KOM_0902306_Chapter3.pdf

Download (122kB) | Preview
[img] Text
S_KOM_0902306_Chapter4.pdf
Restricted to Repository staff only

Download (874kB)
[img]
Preview
Text
S_KOM_0902306_Chapter5.pdf

Download (85kB) | Preview
[img]
Preview
Text
S_KOM_0902306_Bibliography.pdf

Download (62kB) | Preview
[img] Text
S_KOM_0902306_Appendix.pdf
Restricted to Repository staff only

Download (959kB)
Official URL: http://repository.upi.edu

Abstract

Faktor kompresibilitas adalah nilai yang menyatakan seberapa jauh gas nyata menyimpang terhadap keadaan gas ideal dalam suatu suhu dan tekanan tertentu. Satu dari berbagai macam fungsi penggunaan nilai faktor kompresibilitas terdapat pada proses injeksi CO2 yang digunakan untuk membantu mendapatkan minyak kembali dengan membuatnya semakin mudah untuk mengalir ketempat penampungan pada proses EOR (Enchanted Oil Recovery). Terdapat berbagai cara untuk mendapatkan nilai faktor kompresibilitas seperti dengan menggunakan eksperimen, korelasi, rumus equation of state atau dengan machine learning. Dalam penelitian ini penulis menggunakan metode machine learning untuk memprediksi nilai tersebut, untuk lebih spesifiknya menggunakan gradient descent dan variannya (stochastic gradient descent, mini-batch gradient descent dan stochastic average gradient). Gradient descent di pilih karena fungsi dari gradient descent adalah untuk mencari nilai minimum dari cost function dan gradient descent merupakan metode yang digunakan untuk menyelesaikan permasalahan regresi yang dimana data yang dipakai pada penelitian ini merupakan data bilangan real dengan suhu dan tekanan sebagai data masukkan dan nilai faktor kompresibilitas sebagai data keluarannya. Perangkat lunak dibuat dengan bahasa pemrograman R yang merupakan salah satu alat yang paling populer untuk membuat program machine learning. Hasil dari penelitian ini adalah untuk membuat model untuk memprediksi nilai faktor kompresibilitas dan menggunakan untuk melihat seberapa error yang didapat untuk setiap metode yang dibuat dan digunakan untuk melihat metode mana yang terbaik untuk memprediksi nilai kompresibilitas dalam kasus ini dari ke empat metode tersebut.; Compressibility factor is a measure of how much real gasses actual behavior deviate from ideal gas state at any temperature and pressure. One of many uses of compressibility factor is at the processes called CO2 injection which used to help recover the oil by making it easier to flow into reservoir at EOR (Echaneted Oil Recovery) processes. There are many ways to get the value of compressibility factor like thought experiments, correlation, equation of state, or though machine learning. In this research writer use machine learning method to predict the values, specifically we use gradient descent and its variant (stochastic gradient descent, mini batch gradient descent, and stochastic average gradient). Gradient decent is choose because it’s searching minimal values of cost function and its used in regression which is the data that used in this research contain real number at the temperature and pressure as input and the value of compressibility factor as output. Software is build using R programming language which is one of the most popular tool for creating machine learning program. The result of this research is to create a model to predict the value of compressibility factor and use it to see how much the error we got for each method that we create and used see which is the best method for predict the compressibility value in this case among those four method.

Item Type: Thesis (Other)
Additional Information: No. Panggil: S KOM NAS i-2016; Pembimbing: I. Lala Septem Riza, II. Enjun Junaeti
Uncontrolled Keywords: faktor kompresibilitas, machine learning, gradient descent, regresi, bahasa pemrograman R, compressibility factor, machine learning, gradient descent, regression, R programming language.
Subjects: L Education > L Education (General)
Q Science > Q Science (General)
Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer
Depositing User: Mr mhsinf 2017
Date Deposited: 31 Jul 2017 08:48
Last Modified: 31 Jul 2017 08:48
URI: http://repository.upi.edu/id/eprint/24185

Actions (login required)

View Item View Item