Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pemetaan suatu citra gambar dari long range CCTV kepada koordinat nyata pada peta merupakan hal yang baru. Pengetahuan ini dapat digunakan dalam berbagai macam keperluan seperti : peletakan kamera CCTV pada ujung ? ujung daerah perkotaan untuk pendeteksian bencana (kebakaran, pencurian, dll). Pada penulisan laporan ini, penulis akan mencoba suatu metode pemetaan citra kepada koordinat nyata. Koordinat nyata tersebut bukanlah suatu koordinat x,y,z pada permukaan geografis melainkan koordinat pixel citra satelit yang mengambil gambar perkotaan tersebut. Input yang digunakan dalam metode ini adalah sudut pemotretan CCTV terhadap objek yang digunakan. Sudut yang dibentuk tersebut dapat berubah-ubah dan mengandung banyak ketidakpastian (uncertainty). Untuk mengatasi permasalahan tersebut maka penulis menggunakan logika fuzzy dalam memasukkan input sudut pemotretan. Sistem ini diujikan dengan data hasil simulasi percobaan. Pengembangan sistem ini dapat diarahkan kepada pemetaan pada permukaan geografis.Image mapping from long range CCTV to real coordinate in map is an unordinary knowledge. This knowledge can be applied to many uses such as : set up a CCTV camera in the end of city to detect a disaster (fire, robbery, etc). In this final year project, the writer triesnto implement a new method to mapped an image from CCTV image to real coordinate. the real coordinate that is mentioned is not a X, Y, Z coordinate in land surface but pixel coordinate in satellite image that pictured the city. Angle that has been made between CCTV with the object is an input to the system. The problem is it is dynamic and has many uncertainty. To solved the problem, the writer use fuzzy logic within an angle. This system is tested with simulation data, it also can be developed to the land surface mapping."

"Dalam Skripsi ini sebuah pengendali Fuzzy Takagi-Sugeno dirancang untuk mengendalikan sistem tangki terhubung dalam skema Internal Model Control (IMC). Sebuah model NARX (Nonlinear AutoRegressive eXogeneous) digunakan dalam skema IMC untuk meniru karakteristik sistem tangki terhubung dan diidentifikasi berdasarkan data masukan-keluaran sistem. Identifikasi yang dilakukan terhadap coupled tank apparatus PP-100 adalah dengan metode fuzzy clustering Gustafson-Kessel dan Least Square untuk mendapatkan model fuzzy Takagi-Sugeno. Perancangan pengendali invers dari model fuzzy Takagi-Sugeno digunakan invers affine secara langsung. Hasil pengendalian yang diperoleh menunjukkan kinerja yang sangat baik dimana proses dapat mengikuti acuan yang diberikan. Juga dilakukan perbandingan kinerja pengendalian untuk model yang diidentifikasi dengan metode Instrumental Variable. Hasil yang diperoleh dengan metode Least Square sama persis dengan metode Instrumental Variable. Skema pengendali IMC juga lebih baik dibandingkan dengan pengendali pole placement, dimana pada pengendati pole placement keluaran dari proses tidak dapat mengikuti acuan yang diberikan."

"Kanker payudara merupakan salah satu jenis kanker yang ganas, deteksi yang lebih awal akan membantu penyembuhan yang lebih baik. Terkait dengan penegakan diagnosis yang akurat pada kanker payudara, salah satu metode dalam bidang patologi adalah analisis imunohistokimia. Salah satu prosedur dalam analisis imunohistokimia adalah menghitung positifitas antigen yang dilakukan dengan menghitung prosentase sel positif dan negatif pada suatu paparan. Selama ini perhitungan positifitas pulasan masih dilakukan secara manual karena pengamatan morfologi imunohistokimia merupakan hal yang penting disamping keterbatasan perangkat bantu yang ada. Proses perhitungan secara manual membutuhkan waktu 5-10 menit dengan akurasi subjektif. Oleh sebab itu, pembuatan perangkat penentu positifitas antigen yang dapat melakukan penghitungan dengan cepat, objektif dan akurasi tinggi sangat penting untuk meningkatkan kualitas diagnosis dokter. Dalam rangka membangun perangkat penentu positifitas antigen tersebut salah satu modul yang harus dipecahkan adalah segmentasi, yaitu bagaimana cara memisahkan bagian citra yang berisi sel positif, negatif dan background. Terdapat dua pendekatan segmentasi yang dapat dilakukan, pertama pendekatan crisp yang diwakili double thresholding dan pendekatan fuzzy yang diwakili oleh fuzzy morphologi. Kinerja dari fuzzy morphologi dan double thresholding telah dibandingkan dalam melakukan segmentasi pulasan imunohistokimia pada citra sel positif kanker payudara. Secara keseluruhan hasil segmentasi dari fuzzy morphologi lebih baik daripada double thresholding kerena tingkat akurasi pendeteksian sel kankernya lebih tinggi dibandingkan dengan metode double thresholding.

---

Breast cancer is one type of malignant cancer and the preventif detection will help to get better cure. Related to an accurate diagnosis of breast cancer. One of the methods in pathology is immunohistochemistry analysis. One of the procedures in analyzing immunohistochemistry is by counting antigen which is done by counting the precentage of positive and negative cells in an image. So far the counting of positivity of the stain is still being done manually. It happens because the observation of the morphology of immunohistochemistry is important and because of the unsufficient equipment. The manual process of counting needs 5- 10 minutes with subjective acuracy. So the making of the equipment to determine the antigen positivity which can calculate fast, objectively, and with most accuracy is very important to improve the quality of the doctor?s diagnosis. In making the equipment to determine the antigen positivity, one of the moduls which has to be solved is segmentation; how to seperate the image which contains the positive and negative cells and background. There are two segmentation approaches which can be done. First is crisp approaches which is represented by double thresholding and the fuzzy approaches which is represented by the fuzzy morphology. The performance of the fuzzy morphology has been compared with the double thresholding in doing segmentation of the image of immunohistochemistry stain positive cells in breast cancer. The general result of the fuzzy morphology is better than the double thresholding because it can make more accurate detection than the double thresholding method."

"Tugas akhir ini merupakan lanjutan dari penelitian sebelumnya (Sanabila, 2008) dalam pengenalan sudut wajah dengan konsep yang sama, yaitu data acuan awal memiliki interval tertentu, dibuat data acuan baru menggunakan interpolasi, lalu data uji dihitung jaraknya terhadap semua data acuan, data acuan dengan jarak terdekat merupakan hasil tebakan. Perbedaan dalam penelitian ini adalah penggunaan data rata-rata dan data fuzzy sebagai data acuan, perbedaan dalam PCA yang dilakukan, serta penggunaan control point placement dalam interpolasi Bezier kuadratik. Skema eksperimen dibagi menjadi dua, menggunakan set data yang sama dengan penelitian sebelum ini dan menggunakan set data yang lebih kecil intervalnya. Selain itu, penelitian ini juga mencakup pengenaan distorsi. Kesimpulan dari peneltian ini adalah penggunaan data rata-rata lebih baik daripada data masing-masing foto yang harus dipisahkan berdasarkan kelas wajah terlebih dahulu, penggunaan PCA memberi hasil yang baik, algoritma dengan data fuzzy belum memberi hasil sebaik data rata-rata, pengenaan distorsi kurang mempengaruhi hasil pengenalan algoritma untuk eksperimen yang memakai data rata-rata, dan pemakaian control point placement menghasilkan tingkat pengenalan yang lebih baik untuk eksperimen dengan data rata-rata.

---

This final project is a continuity of previous research about angle estimation with the same main concept: with reference data in some intervals, new reference data with smaller intervals was made with the use of interpolation, and distances between testing data and all reference data was calculated, the reference data with the closest distance was the algorithm?s estimation (Sanabila, 2008). Differences made were the use of average data (crisp data) and fuzzy data for each angle as reference data, differences in PCA algorithm, and the use of control point placement in quadratic bezier interpolation.

Experiment scenarios were divided into two main schemes based on the intervals of the data set, the first one was an experiment scheme with the same data set intervals with previous research and another one was experiment scheme with smaller intervals. Data manipulation with noise addition have also been done in some experiment schemes.

Some of the Conclusions were: use of average data was more efficient than one data for each picture, the use of PCA gave better result than experiments without PCA, experiments with average data gave better result than with fuzzy data, noise addition to data did not effect the recognition rate of the algorithm for experiments with average data (crisp), control point placement gave better result in experiments with average data."

"Sistem perolehan citra merupakan bidang penelitian yang berkembang pesat seiring dengan semakin banyaknya jumlah koleksi citra. Zoran telah mengembangkan sistem perolehan citra dengan menggunakan atribut tingkat rendah yaitu spasial warna. Namun pada sistem tersebut masih ditemukan satu kekurangan yaitu pendekatan yang digunakan adalah crisp, dengan pendekatan ini ada citra-citra yang relevan tetapi citra tersebut tidak diperoleh yang seharusnya dapat diperoleh. Pada penelitian ini diusulkan logika fuzzy sebagai pendekatan untuk merepresentasikan spasial warna pada sistem perolehan citra. Fungsi keanggotaan fuzzy yang diusulkan untuk memodelkan kedua puluh dua spasial warna Zoran adalah fungsi gaussian dua dimensi (2D). Kedua puluh dua spasial warna tersebut adalah : tengah, pinggir, tepi kiri, tepi kanan, tepi atas, tepi bawah, kiri atas, kiri bawah, kanan atas, kanan bawah, seperempat kiri atas, seperempat kiri bawah, seperempat kanan atas, seperempat kanan bawah, setengah kanan, setengah kiri, setengah atas, setengah bawah, horisontal, vertikal, diagonal menaik serong ke kanan, diagonal menurun serong ke kanan. Hasil uji coba memperlihatkan bahwa sistem ini berhasil memperbaiki pendekatan sebelumnya dalam merepresentasikan kueri spasial warna. Diharapkan rancangan sistem ini bisa memberikan kueri yang lebih alami kepada pengguna."

"Tesis ini membahas sistem pengendalian prosentase kerapatan bubur mineral pada suatu plant penggilingan mineral. Plant penggilingan mineral adalah merupakan bagian dari proses pengaturan konsentrasi mineral. Dinamika proses kerapatan ini diidentifikasi menggunakan data input output dengan metode identifikasi fuzzy, untuk mendapatkan model plant berdasarkan aturan-aturan identifikasi Takagi & Sugeno. Dalam identifikasi fuzzy terhadap plant penggilingan mineral ini diperoleh 6 aturan yang kemudian dapat diringkas lagi menjadi 4 aturan saja.Metode identifikasi Takagi & Sugeno dapat juga diterapkan pada pembuatan pengendali. Dengan data input berupa persen kerapatan bubur dan output berupa tonase/jam yang dibutuhkan pengendali plant penggilingan mineral diidentifikasi menggunakan metode tersebut. Penerapan pengendali pada plant memberikan hasil yang baik pada set point prosentasi kerapatan antara 59% sampai dengan 70%.

---

This thesis presents a discussion on the control of the percentages of pulp density in a mineral grinding plant, which is subsection of a concentration process. The plant dynamics is identified using input output data based on the fuzzy identification method, which yield the plant model parameters. The identification is done using Takagi & Sugeno fuzzy identification method. The identification results into 6(six) fuzzy rules, which one then simplified to only 4(four) rules to be implemented.

A fuzzy controller based on the Takagi & Sugeno method is also implemented to control the pulp density. In the training process, the pulp density data is used as input, and the required tonnage per hour to the plant is used as output. The implementation of the Takagi & Sugeno fuzzy controller to the plant shows good result for the range of pulp density set point from 59% to 70% only."

"Dewasa ini, kebutuhan industri akan pengendali semakin luas. Salah satunya adalah mengenai pengendali yang dapat menangani kelas besar yang bersifat nonlinier, dengan tingkat kesulitan yang tidak begitu besar. Kebutuhan tersebut terjawab dengan adanya model Fuzzy Takagi-Sugeno. Skripsi ini membahas identifikasi dan perancangan pengendali fuzzy Takagi-Sugeno pada sistem Pressure Process Rig Feedback 38-714. Sistem diidentifikasi dengan menggunakan metode fuzzy clustering Gustafson-Kessel dan Least Square, berbasis data pengukuran berupa sinyal masukan dan sinyal keluaran. Identifikasi dilakukan dengan memberi masukan berupa sinyal multisinusoidal yang acak, sehingga didapatkan model fuzzy Takagi-Sugeno dengan model NARX (Nonlinear Auto Regressive eXogeneous) pada bagian konsekuen. Kemudian pengendali Fuzzy Takagi-Sugeno dirancang dalam skema Internal Model Control (IMC) dengan karakteristik invers model fuzzy. Hasil pengendalian menunjukkan kinerja yang cukup baik, dimana sistem dapat menyerupai sinyal acuan yang diberikan. Pada kondisi sistem diberi gangguan juga didapatkan hasil yang juga cukup baik, dimana sistem dapat menyesuaikan diri untuk kembali mengikuti sinyal acuan yang diberikan."

"This book investigates the problem of non-fragile H-infinity filter design for Takagi-Sugeno (T-S) fuzzy systems. Given a T-S fuzzy system, the objective of this book is to design an H-infinity filter with the gain variations such that the filtering error system guarantees a prescribed H-infinity performance level. Furthermore, it demonstrates that the solution of non-fragile H-infinity filter design problem can be obtained by solving a set of linear matrix inequalities (LMIs). "

"Pada skripsi ini dibahas pemodelan dengan mengidentifikasi suatu kumpulan data masukan-keluaran suatu proses nonlinier data fluktuasi harga saham dan data Indeks Harga Saham Gabungan (IHSG) dalam bentuk model fuzzy Takagi-Sugeno. Struktur model Nonlinear Auto Regressif (NAR) divariasikan time delaynya sebanyak tiga kali, yaitu t=1, t=3, dan t=5 digunakan sebagai model sistem nonlinear. Algoritma Subtractive Clustering digunakan untuk mengelompokkan data masukan-keluaran menjadi beberapa cluster berdasarkan kesamaan linearitas, dimana setiap cluster mewakili suatu aturan bagian premis model fuzzy Takagi-Sugeno. Parameter model fuzzy Takagi-Sugeno untuk setip aturan (cluster) diestimasi dengan menggunakan metode least-square untuk masing-masing cluster. Model fuzzy Takagi-Sugeno untuk data fluktuasi harga saham dan data IHSG menunjukkan ferforma yang paling baik dengan struktur NAR t=1. Model fuzzy Takagi-Sugeno untuk data fluktuasi harga saham yang didapat telah diuji dengan proses validasi silang dan hasilnya menunjukkan bahwa model fuzzy Takagi-Sugeno untuk data fluktuasi harga saham mampu menyamai karakteristik proses nonlinear data fluktuasi harga saham dengan tingkat Root Mean Square Error (RMSE) sebesar 16.3. Demikian pula dengan model fuzzy Takagi-sugeno untuk data IHSG, dengan tingkat RMSE sebesar 6.52. Terjadinya overfitting menunjukkan bahwa model fuzzy Takagi-Sugeno untuk data IHSG hanya dapat digunakan untuk peramalan jangka pendek (short-term forecasting)."