Hasil Pencarian  ::  Simpan CSV :: Kembali

"Salah satu masalah dalam pengendahan robot bergerak otonom adalah tingkat ketidak linierannya. Pengendali cerdas yang sering digunakan pada aplikasi robot adalah jaringan syaraf tiruan. Pengendali jaringan syaraf tiruan memiliki kemampuan belajar dan mampu beradaptasi terhadap perubahan sehingga mampu mengatasi masalah pengendalian pada robot bergerak otonom. Pembahasan meliputi pemodelan sistem dan perancangan pengendali jaringan syaraf tiruan untuk mengendalikan sudut heading robot. Pembelajaran jaringan syaraf tiruan dilakukan secara off-line. Analisa dilakukan terhadap hasil pelatihan yaitu pergerakkan robot pada beberapa lingkungan yang berbeda-beda. Pengendali jaringan syaraf tiruan mampu mengendalikan gerak robot hingga mencapai sasaran tanpa mengenai rintangan jika lingkungan robot sesuai dengan sifat-sifat pergerakan robot dan letak sasaran dapat dijangkau oleh sensor robot."

"Pada skripsi ini akan dirancang suatu sistem pengendalian ketinggian air untuk sistem coupled tank pp-00 berdasarkan pengendali jaringan syaraf tiruan dengan metode pelatihan adaptive interaction. Sistem yang digunakan disusun berdasarkan bentuk tangki terhubung dengan satu masukan dan satu keluaran (SISO). Sesuai dengan waktu cuplik yang telah ditentukan, komputer akan menerima data-data hasil cuplikan sensor berupa ketinggian air pada tangki kedua dengan memberikan masukan air pada tangki pertama. Pengendalian ketinggian air didasarkan pada error yang dihasilkan antara data-data yang berasal dari sensor pada tangki kedua sebagai titik ketinggian air sistem yang akan diatur dan titik acuan yang telah didefinisikan terlebih dahulu sebagai nilai setpoint. Digunakan dua buah masukan pada pengendali jaringan syaraf tiruan yaitu error pada waktu pencuplikan sekarang dan waktu pencuplikan sebelumnya. Untuk melihat bagaimana kerja dari pengendali jaringan syaraf tiruan ini akan dilakukan perubahan parameter-parameter dari jaringan syaraftiruan ini, seperti banyaknya neuron pada lapisan tersembunyi, dan konstanta pelatihan. Untuk membantu pengendali jaringan syaraf tiruan, akan diberikan pengendali tambahan yaitu pengendali feedforward. Pengendali ini kemudian akan dibandingkan performa kerjanya dengan pengendali konvensional yang telah lama dikenal, yaitu pengendali PI. Hasil simulasi memperlihatkan bahwa pengendali jaringan syaraftiruan ini dapat memberikan hasil yang lebih baik dengan pengendali PI, selain itu dengan melakukan perubahan-pembahan pada parameter jaringan syaraf tiruan dapat membantu kinerja pengendali agar dapat mengendalikan sistem menjadi lebih baik. Pada akhirnya rancangan pengendali jaringan syaraf tiruan ini ditambahkan dengan pengendali feedforward yang terbukti dapat meningkatkan kinerja pengendali jaringan syaraftiruan ini."

"It has been studied the forecasting of electric power peak load in the Indonesian electric system byusing Artificial Neural Network (ANAU) Back Propagation method with the study period is 2000 - 2025.The long-range forecasting of electric peak load is influenced by economic factors. in this study, it?sselected the economic data which is estimated very influence to forecasting, which in this case becomeinput ofAN1\L i. e.: Gross of Domestic Product (GDP) per-capita, Population, Amount of Households,Electrification Ratio, Amount of CO, Pollution, Crude Oil Price, Coal Price, Usage of Final Energy,Usage Qf Final Energy on Industrial Sector; and Average Electric Charges. Data used for study areactual data, start year 1990 up to 2000. Result of the peak load forecasting in the end of study (2025) byusing ANN is 85,504 MHC meanwhile the load forecasting in the National Electricity General lan(NEGP) is 79,920 MW (the difference of both is about 6. 6%). Based on ANN approach is obtained resultsthat the peak load forecasting in Indonesia in the year 2005, 2010, 2015, 2020 and 2025 are 16,516 MHC24,402 MHC 36, 15 7 MIK 56,060 MW and85,584 MW respectively."

"ABSTRAKTesis ini membahas identifikasi sistem kiln semen dengan Jaringan Syaraf Tiruan (JST), yang meliputi penentuan parameter yang dibutuhkan untuk pemodelan sistem tersebut, dan perancangan JST yang digunakan untuk identifikasi tersebut. Dalam tesis ini digunakan struktur Multi-Layer Feedforward Network yang terdiri dari lapisan masukan, lapisan keluaran dan 2 buah lapisan tersembunyi. Data diperoleh dari kiln semen yang sebenarnya yaitu dari Pabrik Tuban-II PT. Semen Gresik (Persero) tbk., kemudian data tersebut digunakan untuk melatih JST. Untuk melakukan identifikasi menggunakan model masukan-keluaran dengan struktur serial-paralel dan pelatihan JST tersebut menggunakan algoritma Error Back Propagation. Hasil identifikasi selanjutnya disimulasikan dan dibandingkan dengan plant yang sebenarnya.

---

ABSTRACT

This thesis discuss about system identification of cement kiln using Artificial Neural Network (ANN). The process of system identification using ANN requires to define of the input and output parameters, and to decide ANN's structure. In this thesis, the Feedforward Multi-Layer Network is used which contain input layer, output layer and two hidden layers. The data are collected from the real cement kiln at Pabrik Tuban-II PT. Semen Gresik (Persero) tbk, then good data are selected for training the ANN. In this thesis is using Serial-Parallel Structure and training algorithm is using Error Back Propagation method. The result of the identification is then simulated and compared to the real plant."

"Metode prakiraan curah hujan yang lazim digunakan pada saat ini adalah metode prakiraan yang bersifat subjektif. Kelemahan dari metode ini adalah kualitas prakiraannya tergantung pada pengalaman dan skill prakirawan. Hambatan yang ada adalah tidak setiap prakirawan memiliki skill dan pengalaman yang cukup memadai, sehingga prakiraan dari setiap prakirawan akan berbeda-beda. Untuk menjaga objektifitas dari suatu prakiraan, maka digunakan sistem Jaringan Syaraf Tiruan (JST) sebagai jalan untuk membangun model prakiraan curah hujan.Data yang digunakan dalam penelitian ini adalah data curah hujan harian, didukung data komponen angin u dan v, data energi kinetik persatuan massa dan data kecepatan vertikal pada lapisan 850 mb. Hasil yang didapatkan dari pengujian model JST untuk mendapatkan prakiraan curah hujan beberapa hari ke depan ini cukup memuaskan dengan korelasi rata-rata antara output JST dengan data aktual di atas 0,8. Kesimpulan dari pengujian sistem JST ini adalah JST bisa diaplikasikan untuk menghasilkan model prakiraan curah hujan jangka pendek."

"ABSTRAKMetode WRV adalah metode penyetelan pengendali menunjukkan kinerja pengendaliyang lebih optimum dari metode penyetelan Ziegler Nichols, Cohen Coon, Dahlin danLopez. Metode ini menggunakan mengkorelasikan informasi dari step respon openloop tranfer function (K, τ, dan θ) untuk menentukan konstanta pengendali P, PI, danPID yaitu Kc, τi, dan τd. Namun, kompleksitas dan dinamika dari sistem proses yangspesifik membutuhkan pengendali yang mampu untuk dilatih berdasarkan data historisproses serta mampu untuk mengkombinasikan faktor-faktor yang mempengaruhisistem proses dalam memutuskan suatu aksi. Jaringan syaraf tiruan diaplikasikan yangpada sistem pengendali, mampu memberikan kedua manfaat tersebutkan.Penelitian ini dilakukan dengan mengaplikasikan jaringan syaraf tiruan untukmenentukan konstanta penyetelan pengendali P, PI, dan PID dengan menggunakanmetode penelitian yang dilakukan untuk menghasilkan metode penyetelan pengendaliWRV. Penelitian ini dilakukan dengan menggunakan tiga jenis jaringan syaraf tiruanyaitu, multi layer feed forward (MLFF), radial basis, dan generalized regression(GRNN). Hasil simulasi dan penerapan pada alat pengendali tekanan di LaboratoriumProses Operasi Teknik, Departemen Teknik Kimia FTUI menunjukkan bahwa jaringansyaraf radial basis memberikan kinerja pengendali paling optimum untuk pengendali Pdan PI, sedangkan kinerja paling optimum dari pengendali PID diperlihatkan padaaplikasi jaringan syaraf generalized regression (GRNN) sebagai metode penyetelanpengendali."

"Tesis ini membahas identifikasi sistem dan inversi sistem untuk sistem evaporasi limbah cair radioaktif dengan Jaringan Syaraf Tiruan (JST), yang meliputi penentuan parameter JST yang diperlukan. Perancangan model JST dimaksudkan untuk merancang sistem pengendalian inversi yang sesuai. Dalam tesis ini digunakan struktur Multi-Layer Feedforward Network, yang terdiri dari lapisan masukan, lapisan keluaran dan 2 buah lapisan tersembunyi. Data diperoleh dari evaporator limbah cair radioaktif yang sebenarnya, yaitu dari Pusat Pengelolaan Pengembangan Limbah Radioaktif (P2PLR), PT. BATAN, Serpong, yang kemudian data tersebut digunakan untuk melatih dan menguji JST. Identifikasi sistem dan inversi sistem dilakukan dengan menggunakan model JST dengan struktur serial-paralel dan pelatihan JST dengan menggunakan algoritma Error Back Propagation. Hasil identifikasi tersebut diuji dengan memberikan masukan referensi pads pengendali. Berdasarkan hasil tes tanggapan waktu lingkar terbuka dan perhitungan harga MAE (Mean Absolute Error), ternyata didapat bahwa hasil pengendalian plant adalah baik.

---

This thesis discusses about identification of system and inverse system of an evaporation of liquid waste system using Artificial Neural Network (ANN) that includes determining the parameters required to get the ANN's model of the system. The ANN's model is used to design an appropriate inverse controller for the plant system.

In this thesis, the Feed forward Multi-Layer Network is used which contains input layer, output layer and two hidden layers. The data are collected from the real evaporator of radioactive liquid waste plant at Pusat Pengelolaan Pengembangan Limbah Radio aktif (P2PLR), PT. SATAN, Serpong, then the data are used to train and to test the ANN.

The ANN is implemented by using serial-paralel structure and is trained using error back propagation method. The ANN's model is tested using a reference input to the controller.

Based on open loop time response test dan calculating the Mean Absolute Error (MAE), yields a good controlling to the plant."