Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam beberapa tahun ini, telah banyak penelitian mengenai pengenalan pola yang dilakukan dengan jarigan syaraf tiruan. Skripsi ini membahas sistem pengenalan pola berbasis Jaringan Saraf Tunggal (JST). Penelitian ini membahas metode pembelajaran Levenberg Marquardt dalam melakukan pengenalan pola. Terdapat 9 dataset pola, 8 dataset dari "UCI Repository of Machine Learning Database" dan satu set dari data uranium dioxide pellet. Prosedur kerja sistem terdiri dari tahap pra-pemrosesan, pelatihan, dan pengujian. Hasil pengujian yang ditinjau dari computational cost dan recognition rate menunjukkan JSE berbasis metode Levenberg Marquardt memberikan performa yang lebih baik dibandingkan JST berbasis metode Levenberg Marquardt atau Backpropagation.

---

In recent years, many people have been working on pattern recognition using artificial neural network. This bachelor pra-thesis discuss about pattern recognition system based on Single Neural Network (SNN). This research discuss about Levenberg Marquardt learning algorithm in pattern recognition.There are 9 datasheets used in this experiment, which 8 of them are obtained from "UCI Repository of Machine Learning Database" and and one dataset of uranium dioxide pellet. The working procedures of the systems consists of pre-processing, training, and testing stages.

The testing result, which is measured from computational computational cost and recognition rate, shows that ENN based on Levenberg Marquardt learning algorithm has a better performance than SNN based on Levenberg Marquardt or Backpropagation."

"ABSTRAKSebagian besar proses di industri adalah proses yang memiliki waktu tunda. Dengan adanya waktu tunda, dibutuhkan teknik analisis yang berbeda dengan sistem tanpa waktu tunda. Dalam makalah ini akan dibahas teknik pengendalian sistem dengan waktu tunda menggunakan prediktor Smith. Ide dari prediktor Smith adalah menggunakan model proses yang dikendalikan untuk meramalkan pengaruh aksi kendali yang diberikan pada saat kini terhadap proses tersebut. Selain itu juga dibahas bagaimana pengaruh ketidaksesuaian pemodelan pada prediktor Smith. Penerapan prediktor Smith disimulasikan menggunakan perangkat lunak yang dibuat dengan Turbo Pascal versi 6.0, sehingga dapat dilihat bagaimana pengaruh prediktor Smith pada tanggapan sistem yang dikendalikan. Selain itu juga dibahas sifat-sifat prediktor Smith."

"ABSTRAKPenelitian ini merupakan pengembangan dari metode klasifikasi dengan jaringan syaraf tiruan (JST) yang telah dilaporkan dalam Iiteratur. Pengembangan yang diusulkan dalam penetilian ini adalah mengklasifkasi sinyal M-PSK termodulasi pada sisi penerima dengan mencari nilai entropi dari masing masing band output dekomposisi wavelet untuk mengidentifikasi sinyal temuodulasi yang diterima oleh penerima Serta melewatkannya pada sistem jaringan syaraf timan untuk mengelompokkan dan pengklasitikasian sinyal yang diterima tersebut dalam kelompok M-PSK dimaksud.Dari hasil pengujian sistem ini, dapat dilihat bahwa jenis modulasi yang paling mudah dikenali adalah BPSK dan yang paling sulit adalah 32-PSK. Untuk pengaruh kanal, kanal frekuensi selektif fading memberikan pengaruh yang paling besar untuk M-PSK dengan M yang semakin besar. Untuk tipe wavelet yang berbeda, tipe wavelet Haar yang memberikan tingkat pengenalan yang paling baik dibandingkan daubechies dan Biorlhogonal. Sedangkan Tingkat Keakuratan 100 % untuk M=2, 93,33% untuk M=4, 86.67% untuk M=8, 70% untuk M=16, 36,67 % untuk M=32 dan 76,67% untuk M=64.

---

ABSTRACTThere is a need for a reliable method of classifying signal modulation types without prior knowledge of the signal characteristics. This paper proposes training artificial neural networks with the entropies of wavelet packets to separate binary from M-ary phase shift keyed signals and describes the experimental results of that training and testing.As the information explosion places additional demands on our communications technology, the desire to encode more information within the same bandwidth drives the development of more sophisticated modulation schemes. Each new modulation type has introduced new problems for electrical and communications engineers to solve in order to make the information placed on a signal at the transmitter understandable at the receiver.The research goal was to develop a set of features characterizing a signal, which could then be used to train an artificial neural network. The resulting network could, in tum, be used to classify M-PSK signals. The result of experiment shown that the value of recognition are 100%, 93,33%, 86,67%, 70%, 36,67%, 76,67% for M=2,4, 8, 16, Ni=32 and M=64 respectively.

---

"

"Prototipe sistem aktuator kendali sirip berbasis LabVIEW telah didesain dan dibuat. Sistem ini terdiri dari brushed DC motor, planetary gear, bevel gear, sensor rotasi dan perangkat lunak LabVIEW yang dipasang di komputer. Sistem ini dipergunakan untuk mengendalikan sudut putaran sirip. Kendali PID dipergunakan dalam sistem ini yang ditanamkan dalam mikrokontroler ATmega8538 dengan nilai Kp = 0.0037, Ki = 0.000022, dan Kd = 0.14985. Sudut referensi diberikan melalui LabVIEW dan diumpankan ke mikrokontroler melalui komunikasi serial. Dari hasil pengujian sistem diperoleh Tr = 0.42, Tp = 0.675, Ts = 0.8125, %OS = 5.375% dan steady state error = 14.75%.

---

Prototype of fin control actuator system based on LabVIEW has been designed and built. System consist of brushed DC motor, planetary gear, bevel gear, fin, electronic driver circuit, microcontroller, rotary sensor and software LabVIEW that installed in computers. The system is used to regulate fin angular position. PID control has been explored and embedded in microcontroller Atmega8535 with the value of Kp = 0.0037, Ki = 0.000022, and Kd = 0.14985. Angular position reference has been set in LabVIEW and fed to microcontroller via serial communication. From system testing result, it has shown Tr = 0.42, Tp = 0.675, Ts = 0.8125, %OS = 5.375% and steady state error = 14.75%."

"Concurrent multiband LNA merupakan salah satu tipe multiband LNA yang mampu bekerja pada beberapa frekuensi berbeda secara simultan dalam satu waktu. Pada skripsi ini dirancang concurrent multiband LNA yang bekerja pada empat pita frekuensi (quadband) yaitu 950 MHz, 1.85 GHz, 2.35 GHz, dan 2.75 GHz. LNA yang dirancang menggunakan topologi inductive source degeneration dan menggunakan teknologi CMOS 0.18 μm. Spesifikasi LNA yang dirancang adalah memenuhi standar kestabilan (K > 1), gain (S21) > 10 dB, input return loss (S11) < -10 dB, Noise figure (NF) < 3 dB, dan konsumsi daya ≤ 20 mW. Berdasarkan hasil simulasi yang dilakukan, rancangan LNA telah memenuhi spesifikasi yaitu memiliki K > 1, S21 sebesar 17.007 dB pada frekuensi 950 MHz, 15.542 dB pada frekuensi 1.85 GHz, 14.974 dB pada frekuensi 2.35 GHz, dan 14.380 dB pada frekuensi 2.75 GHz. S11 sebesar -29.261 dB pada frekuensi 950 MHz, -17.915 dB pada frekuensi 1.85 GHz, -15.325 dB pada frekuensi 2.35 GHz, dan -15.921 dB pada frekuensi 2.75 GHz. NF sebesar 0.906 dB pada frekuensi 950 MHz, 0.606 dB pada frekuensi 1.85 GHz, 0.658 dB pada frekuensi 2.35 GHz, dan 0.636 dB pada frekuensi 2.75 GHz. Besarnya konsumsi daya rangkaian adalah sebesar 20 mW. Simulasi dilakukan dengan perangkat lunak Advance Design System (ADS).

---

Concurrent multiband LNA is one type of multiband LNA that works at several frequency bands one time simultaneously. This final project presents a design of Concurrent multiband LNA that works at four frequency bands (quadband) namely 950 MHz, 1.85 GHz, 2.35 GHz, and 2.75 GHz. The simulated LNA uses inductive source degeneration topology in 0.18 μm CMOS technology. The design specifications of LNA are K > 1, gain (S21) > 10 dB, input return loss (S11) < -10 dB, Noise figure (NF) < 3 dB, and power consumption ≤ 20 mW.

Based on the simulation result, the design of LNA achieves specifications; K > 1, S21 are 17.007 dB at 950 MHz, 15.542 dB at 1.85 GHz, 14.974 dB at 2.35 GHz, and 14.380 dB at 2.75 GHz. S11 are -29.261 dB at 950 MHz, -17.915 dB at 1.85 GHz, -15.325 dB at 2.35 GHz, and -15.921 dB at 2.75 GHz. NF are 0.906 dB at 950 MHz, 0.606 dB at 1.85 GHz, 0.658 dB at 2.35 GHz, dan 0.636 dB at 2.75 GHz. Power comsumption is 20 mW. Simulation performed with Advance Design System (ADS) software."