Hasil Pencarian  ::  Simpan CSV :: Kembali

"Skripsi ini membahas identifikasi sistem pendingin dalam bentuk model ruang keadaan. Data masukan dan keluaran diperoleh dari simulasi penurunan model matematis linier sistem ke dalam blok - blok simulink. Model yang dihasilkan adalah orde empat dengan 4 state variable; Suhu beban, suhu dinding evaporator, kapasitas pendingin (cooling capacity) evaporator, dan tekanan pada suction manifold. Identifikasi sistem dengan N4SID menghasilkan model ruang keadaan yang lebih baik dibandingkan dengan MOESP. Uji validasi model didapatkan dari kriteria loss function, nilai VAF, AIC, dan FPE. Efek pembobotan pada algoritma identifikasi tidak mengubah karakteristik keluaran model. Uji controllability dan observability diperlukan untuk membantu perancang untuk mendisain pengendali maupun observer.

---

This final project focus on identification of refrigeration system in state ' space form. Input and output data is given from linier mathematics reduction into a simulink block. The model has four state variable included; goods temperature, wall temperature, cooling capacity, and suction manifold pressure. N4SID model gives better performance than MOESP. Weighting in identification don't influence the model output.Validation test like loss function, VAF, AIC, and FPE criterion has given for both model. Controllability and observability test of the model has been taken to help engineer to design the controller and the observer."

"Sistem tata udara presisi merupakan sistem multivariabel yang mempunyai beberapa masukan dan keluaran (MIMO). Hal ini menyebabkan mencari model fisik dari sistem ini menjadi relatif sulit. Sehingga diperlukan identifikasi sistem yang bersifat black box. Selain itu, dibutuhkan identifikasi model yang bersifat adaptif, sehingga model yang didapat lebih baik dalam merepresentasikan sistem tata udara presisi. Identifikasi model ruang keadaan multivariabel pada sistem tata udara presisi dilakukan dengan menggunakan metode 4SID. Sistem tata udara presisi direpresentasikan dalam model linear dan sistem tidak linear. Model linear didapat dari model ruang keadaan, sedangkan sistem tidak linear didapat dari persamaan matematis sistem tersebut. Metode 4SID yang digunakan adalah MOESP rekursif dan PO-MOESP rekursif. Setelah didapat model ruang keadaan menggunakan kedua metode tersebut, selanjutnya dilakukan tes validasi dari model ruang keadaan yang didapat. Parameter yang digunakan untuk mengetahui tingkat validasi identifikasi adalah menggunakan nilai kesalahan (Jee). Selain itu, pada penelitian ini juga dituliskan hasil identifikasi model ruang keadaan menggunakan metode linearisasi dan N4SID offline. Hasil identifikasi secara offline yang terbaik dari model linear yang dilakukan adalah menggunakan metode N4SID. Untuk identifikasi secara rekursif, metode MOESP rekursif dan PO-MOESP rekursif pada penelitian ini belum dapat merepresentasikan sistem tidak linear. Metode-metode identifikasi rekursif ini relatif baik dalam mengidentifikasi model tidak linear dari sistem tata udara presisi berdasarkan nilai kesalahan (Jee). Pada penelitian ini, MOESP rekursif untuk identifikasi model linear menghasilkan model yang lebih baik disbanding PO-MOESP rekursif berdasarkan nilai kesalahan (Jee) juga.

---

Precision Air Conditioning System is a multivariable system with multi input and multi output (MIMO). It makes difficult to find out physical model of this system. Therefore, it is necessary to identify system using black box model. Besides, it is also necessary to identify model adaptively, so that it could represent the system better.

Identification of multivariable state space model in precision air conditioning system uses 4SID method. PAC system is represented by linear model and nonlinear system. Linear model of PAC is formed by state space model, and nonlinear system is formed by mathematical modeling of such system. 4SID methods that used are recursive MOESP and recursive PO-MOESP. After state space model is formed, the state space model is validated. Parameter that used for this validation is lost function (Jee). In this research, there are also identifications of state space model using linearization method and offline N4SID method.

The best result of offline identification of linear model in this research is N4SID method. In recursive identification, recursive MOESP and recursive PO-MOESP could not represent nonlinear system well. These recursive algorithms could represent linear model well based on criterion of lost function (Jee). In this research, the result of recursive MOESP identification is better than recursive PO-MOESP based on criterion of lost function (Jee) also."

"Sistem tata udara presisi atau yang lebih dikenal dengan Precision Air Conditioning (PAC) merupakan mesin refrigerasi yang dapat mengendalikan temperatur dan kelembaban dari suatu data center sesuai dengan yang diinginkan, yaitu pada temperatur 20-25oC dan kelembaban relatif (RH) 40-55%. Pengendali yang digunakan adalah pengendali cerdas yang mengacu pada model state space. Pengendali jenis ini membutuhkan nilai state dalam desainnya. Namun pada realisasinya, sulit untuk menentukan state sistem tata udara presisi ini karena berbagai macam faktor, seperti keterbatasan peralatan elektronik, serta alasan ekonomi. Dalam kegiatan penelitian ini, akan diimplementasikan suatu metode yang digunakan untuk mengestimasi state. Metode yang digunakan adalah metode yang menggunakan algoritma identifikasi MOESP secara rekursif. Melalui proses dekomposisi nilai tunggal dan perhitungan matematis sederhana, akan diperoleh informasi estimasi state untuk waktu sekarang N N x? dan estimasi state untuk satu langkah ke depan pada waktu sekarang N N x 1 ? + . Proses validasi dilakukan cara membandingkan hasil estimasi state dengan state keluaran dari model yang diperoleh dari hasil identifikasi offline. Hasil estimasi state terbaik diperoleh melalui sistem tata udara presisi yang bersifat linier. Hasil estimasi state sangat bergantung dari model sistem yang diperoleh.

---

Precision Air Conditioning (PAC) is a refrigeration machine that can control temperature and humidity of a data center. The ideal temperature and Relative Humidity (RH) is 20-25oC and 40- 55%. The controller used is a smart controller that refers to the state space model. Controller of this type requires the value of states and parameters needed in the designing. But in its realization, it is difficult to determine the accurate states and parameters of the Precision Air Conditioning because of variety of factors, such as the limitations of electronic equipment, as well as economic reasons.

In this research, will implement a method used to estimate the state. The method used is a method that uses a recursive identification algorithm MOESP. Through the Single Value Decomposition (SVD) process and simple mathematical calculations , it will obtain the current state estimation N N x? and state estimation for the next step at the present time N N x 1 ? + . The validation process carried out to compare the estimated state with state from model obtained from offline identification. The best state estimation obtained through the linier system of Precision Air Conditioning value. State estimation results are dependent of the system model that is obtained."

"Sistem tata udara presisi merupakan sistem yang mempunyai dua masukan, yaitu kecepatan putaran kipas dan kompresor, dan dua keluaran ,yaitu temperature dan kelembaban, umumnya disebut sebagai sistem Multi Input dan Multi Output (MIMO). Sistem MIMO ini menyebabkan pencarian model fisik dari sistem tata udara presisi menjadi relative sangat sulit. Oleh karena itu, diperlukan identifikasi sistem yang bersifat black box. Selain itu, dibutuhkan identifikasi model yang bersifat adaptif dan prediktif, sehingga model yang didapatkan lebih baik dalam merepresentasikan sistem tata udara presisi.Identifikasi subspace diakui sangat efisien untuk model system yang multivariable, dan estimasi yang dilakukan hanya dari state system yang berasal dari pengaturan data input dan output. Dalam penelitian ini, metode subspace yang akan digunakan untuk memprediksi sistem tata udara presisi adalah PO MOESP. PO MOESP merupakan salah satu metode dari 4SID yang sangat baik digunakan untuk identifikasi multivariable. Dalam penelitian ini, metode tersebut digunakan secara offline dan online. Metode PO-MOESP ini selanjutnya akan diuji berbagai data, antara lain data linear, data nonlinear model PAC, dan data PAC hasil eksperimen, dimana seluruh data tersebut akan diproses secara offline dan Rekursif.Metode PO-MOESP Rekursif yang akan digunakan dalam penelitian ini akan diujicobakan ke suatu peralatan PAC. Jadi hasil yang diharapkan dari proses identfikasi ini adalahmetode identifikasi yang dapat bekerja dan memberikan identifikasi yang akurat merepresentasikan suatu sistem tata udara presisi, dimana identifikasi ini selanjutnya akan digunakan untuk model predictive control (MPC).

---

Precision Air Conditioning System has two inputs, namely the rotation speed of the fan and compressor, and two outputs, namely temperature and humidity, commonly referred to as Multi Input and Multi Output(MIMO). MIMO system is causing a physical model of the search system of air relative precision becomes very difficult. Therefore, required identification that are black box systems. In addition, the model identification is required to be adaptive and predictive models obtained thus better represent the system of air in precision.Subspace identificationis recognized very efficiently for a multivariable system models, and estimation is done only from the state system derived from the data input and output settings. In this study, subspace methods to be used to predict the system of air is PO-MOESP precision. PO-MOESP is one of the methods used 4SID excellent for multivariable identification. In this study, the method used offline and recursive. PO-MOESP this method will be tested a variety of data, including linear data, data nonlinear model of PAC, PAC data and experimental results, where all data will be processed offline and recursive.PO-MOESP recursive method to be used in this study will be tested to a PAC equipment. So the expected results of this identification process is the identification method that can work and provide an accurate identification represents a system of air-precision, where the identification is then used to model predictive control (MPC)."

"ABSTRAKKonsumsi energi yang paling banyak pada suatu data centre digunakan untukpendinginan peralatan IT. Untuk menghasilkan pendingin dengan konsumsi energiyang lebih hemat, dapat bekerja pada variasi beban panas yang dihasilkanperalatan IT, dapat mengendalikan suhu sebesar 20-25 oC, dan kelembapan 40-55% dirancang sistem presisi tata udara. Penelitian ini akan diimplementasikansuatu algoritma identifikasi yang bersifat black box yang berarti tidakmembutuhkan a-priori knowledge. Innovasi pada penelitian ini adalahmemanfaatkan algoritma MOESP untuk mengidentifikasi secara rekursif padasistem nonlinier dan MIMO. Pengendali yang diusulkan adalah Model PredictifControl (MPC) untuk mengkompensasi pengaruh gangguan dan ketidakakuratanmodel, dan memiliki adaptasi yang lebih cepat dibandingkan pengendali klasik.Model identifikasi dibentuk melalui proses identifikasi sistem berbasiseksperimen berupa masukan kecepatan kipas dan tegangan kompresor dankeluaran suhu dan kelembapan. Dari masukan dan keluaran akan diolahmenghasilkan ruang keadaaan yang nantinya akan digunakan untuk dikendalikanmenggunakan MPC.

---

ABSTRACTThe most energy consumption in data centers is used for cooling IT equipment.To produce a cooler with a more efficient energy consumption, can work on avariation of the heat load generated IT equipment, can control the temperatures of20-25 ° C, humidity 40-55% and the precision of air systems are designed. Thisstudy will implement an identification algorithm that is a black box which meansthat does not require a-priori knowledge. Innovations in this research is to utilizethe algorithm recursively MOESP to identify the nonlinear and MIMO systems.The proposed controller is Model Predictif Control (MPC) to compensate for theeffect of disturbances and inaccuracies model, and has a more rapid adaptationthan classical controllers. Model identification was established through theprocess of system identification experiments based on the input of the fan speedand voltage output of the compressor and the temperature and humidity. Of inputand output will be processed produce circumstances that space will be used for thecontrolled use of MPC."

"Penyakit kulit merupakan penyakit yang sangat umum pada manusia. Penyakit kulit merupakan salah satu penyakit dengan penyebaran paling luas di dunia. Banyaknya jenis penyakit kulit yang ada membuatnya sulit untuk di identifikasi dengan benar. Identifikasi penyakit kulit sangat penting dilakukan untuk mengetahui tindakan medis apa yang akan dilakukan pada penyakit tersebut. Dengan memanfaatkan machine learning, identifikasi penyakit kulit dapat dilakukan dengan lebih cepat dan dapat menjadi bantuan agar menjadi diagnosa awal penyakit kulit. Penelitian ini melakukan pengujian pada model deep learning untuk mengidentifikasi penyakit kulit yang ada di dalam dataset DermNet. AlexNet adalah model deep learning yang telah digunakan untuk mengklasifikasikan objek dengan dataset yang besar. Hasil pengujian pada penelitian ini dapat menjadi salah satu bahan perbandingan dalam perkembangan deep learning. Nilai akurasi validasi yang didapat dari model mencapai 44,25%.

---

Skin disease is a widespread disease in humans. Skin disease is one of the most pervasive diseases in the world. The many types of skin diseases make it difficult to identify correctly. Identifying skin diseases is essential to determine what medical action will be taken for the disease. By utilizing machine learning, the identification of skin diseases can be done more quickly and aid in making an early diagnosis of skin diseases. This study tested a deep learning model to identify skin diseases in the DermNet dataset. AlexNet is a deep learning model used to classify objects with large datasets. The test results in this study can be used as a comparison in developing deep learning. The validation accuracy value obtained from the model reaches 44.25%."

"Penelitian ini membahas tentang perancangan sistem identifikasi pada sistem dinamik kapal Makara 03 dengan konfigurasi multi masukan dan multi keluaran. Penelitian ini merancang berbagai metode perombakan struktur Jaringan Saraf Tiruan (JST) baik metode sekuensial maupun fungsional untuk dapat menangkap dinamik yang ada pada dinamik kapal Makara 03. Metode-metode pada JST yang dibuat akan dibandingkan dengan hasil dari model matematika yaitu Transfer Function dan State Space untuk membuktikan keberhasilan dan keunggulan JST dalam membuat sistem identifikasi. Hasil dari perbandingan tersebut membuktikan semua metode yang dihasilkan pada penelitian ini mendapatkan hasil yang lebih baik dibandingkan dengan model matematika konvensional.

---

This research discusses the design of the identification system on the dynamic system of the Makara 03 ship with a multi-input and multi-output configuration. This study designed various structural reshuffle methods for sequensial and functional model of Artificial Neural Network (ANN) to be able to capture the dynamics of Makara 03. The methods in the ANN that were made will be compared with the results of mathematical models namely Transfer Function and State Space for prove the success and superiority of ANN in making identification systems. The results of this comparison prove that all the ANN methods produced in this study get better results compared to conventional mathematical models."

"Skripsi ini bertujuan untuk membuat identifikasi iris mata menggunakan Hidden Markov Model dengan proses ekstraksi fitur berupa segmentasi, edge detection dan polarisasi. Proses yang pertama adalah pengambilan citra mata. Kemudian dilakukan proses segmentasi terhadap gambar mata yang didapat tersebut untuk memisahkan bagian iris dan pupilnya. Selanjutnya dilakukan proses polarisasi untuk memisahkan bagian iris dengan pupil kedalam bentuk polar. Hasil polarisasi inilah yang akan dikenali oleh sistem pengenal.

Proses pengenalan iris mata dalam skripsi ini menggunakan Hidden Markov Model yang dilakukan melalui dua tahapan yaitu proses pelatihan data (training) yang dilakukan untuk melatih sistem pengenal yang bekerja, agar dapat mengetahui setiap garis-garis pada iris matanya, serta proses pengenalan iris mata itu sendiri (recognition) yang digunakan untuk mengenali iris mata yang ingin diuji. Seluruh proses yang dilakukan dibuat menggunakan sebuah perangkat lunak. Dari hasil uji coba yang diperoleh, sistem ini dapat mengenali iris mata yang diuji dengan tingkat akurasi mencapai 100%.

---

A Software of iris identification using hidden markov model is developed. The input image is extracted by using segmentation and polaritation process. The first process is taking of human eye image. Then do the process of segmentation of the image that is to separate iris and pupil from the eyes. Then do the process of polarization to separate iris with the pupil into the polar form. Results of this polarization will be recognized by the user's system.

The process of introduction of human iris in this script use the Hidden Markov Model which is done through two stages of the process of training is to train a system that works, so that each can know the lines on the eye iris, and the introduction of the iris itself (recognition) that is used to identify iris that you want to test. The whole process is created using a software. From the results of the trials obtained, this system can recognize the iris eyes tested with a level of accuracy reached 100%."

"ABSTRAKPenelitian ini mengembangkan permodelan gelembung harga saham rasional dan irasional menggunakan model state-space dengan markov switching. Gelembung harga saham merupakan unobserved variable yang dapat ditentukan dengan pendekatan teori ekspektasi rasional dimana dalam penelitian ini gelembung harga saham ditentukan oleh informasi ekstraneus yang terdiri dari faktor eksternal dow jones Index dan Hangseng Index dan faktor internal faktor politik dan keamanan . Untuk menganalisis unobserved variable tersebut digunakan model state-space yaitu Kalman Filter. Selain itu gelembung harga saham dapat megalami perubahan struktural yang juga bersifat unobserved yaitu adanya gelembung harga saham irasional. Dikarenakan gelembung irasional juga bersifat unobserved maka digunakan model markov switching.Untuk melihat bagaimana model state space dengan markow switching bekerja, penelitian ini menerapkan model tersebut pada data harga saham Indonesia periode Januari 1989 hingga Desember 2013. Hasil estimasi model menunjukan bahwa DJIA berpengaruh positif signifikan terhadap gelembung harga saham di Indonesia, sedangkan HSI tidak berpengaruh signifikan. Dari faktor internal, faktor politik berpengaruh negatif signifikan terhadap gelembung harga saham di Indonesia, sedangkan faktor keamanan tidak berpengaruh signifikan. Dengan permodelan ini, gelembung harga saham rasional dan irasional dapat di identifikasi di pasar modal Indonesia namun gelembung harga saham tidak terjadi setiap tahun selama periode penelitian.

---

ABSTRACTThis paper develops a model of rational and irrational stock price bubbles using State Space Model with Markov Switching. Stock price bubbles are the unobserved variables that can be determined with rational expectations theory approach, which in this study is determined by stock price bubbles extraneous information consisting of external factors Dow Jones Index and the Hang Seng Index and internal factors political and security factors . A state space model, Kalman filter, is used to analyze this unobserved variables. Stock price bubbles may undergo structural changes that are also unobserved, namely the irrational stock price bubble. Thus, due to this unobserved nature, the Markov switching model is used to analyze this unobserved structural changes. To see how the model state space with Markov switching works, this study applies the model to the Indonesian stock price data from the period of January 1989 to December 2013. The result of the model estimation shows that the external factor, DJIA has significant positive effects, whereas HSI has no significant effect on the stock price bubble in Indonesia. The result from internal factors shows that a political factor has significant negative effect, whereas the safety factor has no significant effect on the stock price bubble in Indonesia. Furthermore, this model could help identify the rational and irrational stock price bubble in the Indonesian stock market, nonetheless, this stock price bubbles do not occur every year during the study period."