Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam skripsi ini akan dibahas dan disimulasikan penerapan sistem inferensi fuzzy berbasis jaringan adaptif untuk menghilangkan komponen pengganggu dalam sinyal yang diterima sehingga informasi yang diinginkan dapat diperoleh. Komponen pengganggu yang dimaksud di sini adalah suatu sinyal lain yang tidak diinginkan yang berasal dari suatu sumber yang diketahu4 yang mengalami perbbaaan setelah melalui suatu jalur dinamik tertentu. Penyaringan dilakukan dengan terlebih dahulu memodelkan jalur dinamik tersebut sehingga komponen pengganggu dapat diestimasikan. Pemodelan jalur dinamik dilakukan dengan mempergunakan sistem inferensi fuzzy Sugeno yang parameternya ditala oleh suatu jaringan adaptif, atau biasa disebut ANFIS (Adaptive Network - based Fuzzy Inference System). Teknik penyaringan dengan ANFIS dapat memberikan hash yang lebih baik dibandingkan dengan teknik penyaringan berdasarkan perbedaan frekuensi. Pendekatan ANFIS dapat diterapkan jika beberapa persyaratan dapat dipenuhi , yaitu sumber informasi tidak berbubungan dengan sumber komponen pengganggu, orde jalur dinamik diketahui dan sumber informasi memiEd rata-rata nol."

"Proses sistem kendali adalah proses penting yang terjadi di dunia perindustrian, salah satunya di ranah industri hulu migas. Salah satu instrumen utama pada proses upstream migas adalah separator yang memiliki fungsi untuk memisahkan kandungan fluida minyak mentah yang mengalir melalui pipa menjadi beberapa wujud fase. Pada kenyataanya hampir semua proses pengendalian separator pada fasilitas produksi PT. Pertamina EP masih menggunakan model pengendalian PID konvensional yang harus terus dimonitoring oleh sumber daya manusia selama 24 jam per hari. Oleh karenanya, pada penelitian ini dirancang sebuah metode pengendalian berbasis intelligent system, yaitu simulasi pengendalian Neuro Fuzzy. Metode pengendalian Neuro-Fuzzy ini didesain menggunakan algoritma ANFIS dengan input berupa setpoint, error, dan selisih error dari proses variabel fluida separator, yaitu level (h) fluida. Penelitian dilakukan menggunakan aplikasi Simulink/MATLAB dengan memasukkan fungsi transfer dari model matematis separator lalu melakukan perbandingan dengan melihat grafik respon dan parameter antara model pengendali PID dan ANFIS. Hasil dari penelitian menunjukan bahwa performa pengendali model ANFIS secara rata-rata memiliki overshoot yang jauh lebih baik dari model PID karena selalu mendekati nol dalam tiap kondisi set point serta model ANFIS memiliki nilai error yang lebih baik pada saat set point bernilai 5 dengan perbedaan error 0,712 dari error model pengendali PID.

---

The control system process is an important process that occurs in the industrial world, one of which is in the upstream oil and gas industry. One of the main instruments in the upstream oil and gas process is a separator which has afunction to separate the crude oil fluid content flowing through the pipe into several phases. In fact, almost all separator control processes at PT. Pertamina EP still uses the conventional PID control model which must be continuously monitored by human resources 24 hours per day. Therefore, in this study, a control method based on intelligent systems is based on Neuro Fuzzy control of the level (h) of the fluid. The research was conducted using the Simulink/MATLAB application by entering the transfer function of the separator mathematical model and then making comparisons by looking at the response and parameter charts between the PID and ANFIS controller. The results of the study show that the ANFIS model controller performance on average has a much better overshoot than the PID model because it is always close to zero in each set point condition and the ANFIS model has a better error value when the set point is 5 with an error difference of 0.712. of the PID controller model error."

"ABSTRAKRancangan suatu Sistem Instrumentasi Penyimpul Fuzzy (SIPF) digital 64 bit untuk mengolah algoritma penyimpul fuzzy (Fuzzy Inference). Suatu sistem fuzzy yang terdiri dari SIPF dan mikroprosesor 32 bit memiliki kecepatan proses penyimpulan lebih tinggi bila dibandingkan dengan sistem yang hanya mengimplementasi perangkat lunak saja.. SIPF hanya digunakan untuk mengambil kesimpulan, sementara proses fuzzifikasi serta defuzzifikasi dilakukan oleh mikroprosesor sendiri yang juga mengendalikan SIPF. Disamping SIPF, algoritma penyimpulan yang teroptimasi juga dapat meningkatkan akselerasi pengkalkulasian aturan dasar (rule base).Pada Skripsi ini dilakukan perancangan serta peralcitan Sistem Instrumentasi Penyimpul Fuzzy, dengan menggunakan komponen-komponen murah dan sederhana serta mudah didapat. Hasil utama yang didapat adalah suatu rancangan dari sistem instrumentasi yang berfungsi sebagai alat bantu kalkulasi aturan fuzzy paralel yang kerjanya dikendalikan oleh mikroprosesor induk."

"Diketahui bahwa mengendalikan gerakan mundur suatu truk-trailer sampai suatu posisi tertentu merupakan hal yang sulit untuk setiap orang umum, kecuali supir truk ahli yang telah berpengalaman. Hal ini dikarenakan dinamika truk-trailer yang nonlinear dan tidak stabil. Dalam tugas skripsi ini akan dibahas perancangan pengendali fuzzy dengan model sistem fuzzy yang diterapkan pads truk-trailer tersebut dalam mengendalikan truk-trailer tersebut ke posisi yang diinginkan secara mundur. Telah banyak makalah yang membahas pengendalian gerak mundur truk-trailer, tetapi dalam pembahasannya masih mengunakan model sistem dinamika nonlinear. Secara praktis, seorang ahli umumnya mengambarkan suatu proses dengan mengunakan bahasa manusia, sehingga dapat digabungkan menjadi model proses tersebut yang disebut model sistem fuzzy. Dalarn skripsi ini model dinamika truk-trailer dirnodelkan dengan model sistem fuzzy yang digunakan untuk perancangan pengendali umpan batik berupa pengendali fuzzy yang menerapkan sistem fuzzy TSK (Takagi-Sugeno-Kang). Untuk menunjukkan kemampuan sistem pengendali fuzzy di atas dalam mengendalikan truk-trailer tersebut, dilakukan simulasi dengan menggunakan aplikasi MATLAB 5.3."

"Identifikasi retina merupakan metode identifikasi biometrik dengan tingkat kesalahan rendah melalui pola-pola unik pembuluh darah di bagian belakang retina. Pola-pola ini dapat digunakan sebagai data latih logika neuro fuzzy untuk kemudian digunakan sebagai pembanding pada saat identifikasi dilakukan.Penelitian ini bertujuan untuk mengenali citra retina mata manusia, baik bagian kiri maupun kanan, menggunakan teknik pengolahan citra dan Adaptive Neuro Fuzzy Inference System (ANFIS). Pada proses pengenalan retina ini, citra digital yang sudah diakuisisi akan dicrop dan dibagi menjadi image block berukuran 4x4. Kemudian blok citra dikonversi dari format Red Green Blue (RGB) menjadi format Hue Saturation Value (HSV). Untuk mendapatkan parameter fitur warna HSV, setiap komponen warna HSV dihitung nilai rata-ratanya. Nilai rata-rata HSV dimasukkan ke dalam database dan dilatih dengan ANFIS yang terdiri atas 2 jenis membership function, yaitu Gaussian dan Trapesium dengan 3 input dan 1 ouput.Dari hasil uji coba, hasil identifikasi memiliki tingkat akurasi hingga 65% untuk membership function Trapesium dan 80% untuk membership function Gaussian dengan 60 kali pelatihan ANFIS.

---

Retina identification is a biometric identification method which has very low error rate using a unique blood vessel pattern in the back of the retina. The identification involved an infrared scanned retina imagery which is analyzed using image processing technique to derive the color characteristics and then trained into the Adaptive Neuro Fuzzy Inference System (ANFIS).The objective of this research to identify a person?s identity from his/her retina image. The identification process is started by cropping the digital retina image then transformed into an 4x4 image block. The image block is then converted from Red Green Blue (RGB) color format to the Hue Saturation Value (HSV) format. Each color component of HSV values is then averaged, saved to a database and trained using ANFIS. The Neuro fuzzy used Gaussian and Trapezoid membership function which have 3 input and 1 ouput, respectively.The simulation results showed the identification system has an accuracy rate up to 65% and up to 80%, for Trapezoid and Gaussian membership function, respectively. This results are achieved using 60 training data in the ANFIS."

"Pengendali fuzzy adaptif tipe tidak langsung terdiri dari pengendali fuzzy dan aturan adaptasi. Pengendali fuzzy menggunakan sistem fuzzy untuk menggantikan fungsi sistem. Sistem fuzzy yang digunakan terdiri dari basis pengetahuan yang fungsi keanggotaan dari himpunan fuzzynya adalah fungsi gaussian, mesin inferensi produk, fuzzifier singleton dan defuzzif er rata-rata tengah_ Basis pengetahuan menyimpan parameter-parameter dari sistem fuzzy yaitu pusat himpunan fuzzy dari bagian MAKA pads aturan JIKA-MAKA fuzzy. Parameter-parameter tersebut perlu disesuaikan agar pengendali dapat monjalankan tugasnya dengan baik Parameter-parameter tersebut disesuaikan dengan menggunakan aturan adaptasi yang diturunkan dengan rnenggunakan sintesis Lyapunov. Langkah-langkah clan sintesis Lyapunov adalah pembentukan persaraaan keadaan dari sistem lingkar tertutup dan penggunaan kriteriakestabilan Lyapunov untuk mencari aturan adaptasi. Pengendali tersebut akan diaplikasikan pads sistem pendulum terbalik dengan simulasi yang disusun menggunakan bahasa C. Kemudian, grafik-grafik yang diperoleh dari simulasi tersebut akan dianalisis untuk menyimpulkan karakteristik-karakteristik dari pengendali fuzzy adaptiftipe tidak langsung pada sistem pendulum terbalik."

"Terdapat berbagai macam metode untuk meningkatkan stabilitas system tenaga listrik. Salah satunya adalah dengan menggunakan metode pengereman dinamis (dynamic braking). Selain menggunakan braking resistor saja, system braking dapat juga melibatkan reaktor dan kapasitor untuk meningkatkan unjuk kerja pengereman. Setelah terjadi gangguan yang besar, setiap generator sinkron yang terhubung dengan sistem tenaga listrik mengalami perbedaan antara masukan daya mekanis dan keluaran daya elektris yang dapat membawa system menuju ketidakstabilan. Skripsi ini membahas tentang penggunaan pengendali logika fuzzy untuk koordinasi pensaklaran braking resistor, reaktor, dan kapasitor pada perbaikan stabilitas peralihan sistem tenaga listrik. Setelah terjadinya gangguan, variabel kecepatan rotor dari generator akan diukur dan sudut penyalaan untuk saklar thyristor ditentukan dari keluaran crisp pengendali logika fuzzy. Dengan mengendalikan sudut penyalaan untuk masing-masing komponen, koordinasi dari braking resistor, reaktor, dan kapasitor dapat mengendalikan daya percepatan dan perlambatan pada generator dan kemudian meningkatkan stabilitas peralihan. Simulasi dilakukan dengan menggunakan gangguan tiga fasa ke tanah pada saluran transmisi paralel. Hasil simulasi menunjukkan bahwa pengendalian dengan logika fuzzy untuk koordinasi pensaklaran braking resistor, reaktor dan kapasitor dapat memberikan metode yang sederhana dan efektif untuk meningkatkan kestabilan sistem tenaga listrik.

---

There are several method to improve the power system stability. One of the method that can be used is dynamic braking. Beside of braking resistor only, the braking system can also involve reactor anda capacitor to enchance the braking performace. Following a major disturbance, each synchronous generator connected to a power system experiences a net difference between its mechanical power input and electrical power output which leads to instability of the system.

This paper deals with the implementation of fuzzy logic controller for switching coordination of braking resistor, reactor, and capacitor in power system transient stability improvement.

Following a fault, variable rotor speed of the generator is measured and the firing-angle for the thyristor switch is determined from the crispy output of the fuzzy controller. By controlling the firing-angle for each component, the coordination of braking resistor, reactor, and capacitor can control the accelerating and decelerating power in generator and thus improves the transient stability.

The simulations is doing by considering Three-phase-to-ground fault in the parallel transmission lines. Simulation results clearly indicate that the proposed fuzzy control strategy provides a simple and effective method of transient stability enhancement of synchronous power system."

"Beberapa tahun belakangan ini, pengendali logika fuzzy berkembang dengan pesat karena kefleksibelannya dalam pengambilan aksi kendali untuk sistem dengan model matematis yang sulit sekalipun, Sejalan dengan perkembangan itu, ditemukan suatu metode untuk mengidentifikasi pemodelan pengendali logika fuzzy, yaitu dengan menggunakan jaringan adaptif. Hai ini sangat membantu, terutama jika sistem yang akan dikendalikan sedemikian kompleksnya sehingga penalaan sistem inferensi fizzynya sulit untuk dilakukan secara manual. Pengendali fuzzy yang menggunakan jaringan adaptif dalam mekanisme belajar untuk menala sistem inferensinya disebut ANFIS (Adaptive Network-Based Frizzy hTerence System). DaIam Tugas Skripsi ini dibuat simulasi penggunaan ANFIS untuk mengidentifikasi model sistem inferensi fuzzy yang akan digunakan dalam pengendalian gerak pitch pesawat terbang, serta simulasi penerapannya dalam pengaturan sudut elevator (sirip pads sayap beiakang horisontal). Tujuan penerapan metode ANFIS tersebut adalah agar sistem yang dikendalikan memiliki tanggapan yang sama seperti sistem yang dijadikan acuan. Dalam hal ini berarti memperbaiki tanggapan sistem tersebut, yaitu dengan mempercepat kestabilan sistem dan menghilangkan lonjakan awal. Dalam anabsis tanggapan sistem digunakan parameter tanggapan waktu, yaitu waktu naik, waktu puncak, waktu tetap, persentase lonjakan, dan kesalahan galat tunak. Hasil analisis menunjukkan bahwa sistem inferensi fuzzy hash penalaan metode ANFIS dapat mengeluarkan sinyal kendali yang membawa tanggapan sistem yang dikendalikan menuju tanggapan yang diinginkan, yaitu tanggapan sistem dengan wal.-tu tetap lebih keeil atau sama dengan 6 detik dan tidak mengalami lonjakan."