Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKTujuan utama dalam pengembangan sistem distribusi adalah meminimumkan biaya-biaya. baik biaya investasi maupun biaya operasional. Sebenarnya tujuan ini sesuai dengan persyaratan utama dalam pengembangan sistem distribusi, yaitu : Harus memenuhi kelayakan tehnis, harus memenuhi kelayakan ekonomis dan harus pula hemat energi. Permasalahan utamanya sendiri dalam hal ini tampak sederhana yaitu menentukan lokasi dan dimensi gardu distribusi serta dimensi penyulang yang optimum. Namun dalam pelaksanaannya, baik persyaratan maupun permasalahan tersebut mempunyai makna yang dalam. Bila ditelusuri lebih lanjut tampaklah kekompleksitasannya. Sehingga dalam mengoptimalkan sistem tidak semudah seperti yang dibayangkan. Parameter-parameter bantu, seperti tingkat beban puncak, pertumbuhan kebutuhan tenaga Ustrik, geografis dan topologis daerah pusat beban, lintasan terdekat penyulang dan lain-lainnya muncul satu persatu saling kait mengait. Oleh karena itu untuk mengoptimalkan sistem distribusi seperti demikian diperlukan alat bantu yang dapat mengatasi kekompleksitasan permasalahan di atas. Neuro-Fuzzy adalah salah satu alat bantu modern yang merupakan kombinasi dari logika Fuzzy dan Jaringan Syaraf Buatan, JSB (Artificial Neural Network), sehingga mampu bekerja dengan cepat dan memberikan hasil yang akurat pula. Keakuratan tersebut terjadi karena kombinasi itu sendiri, dimana antara Fuzzy dan JSB selling melengkapi dan saling menutupi kelemahan pasangannya. Dengan batuan algoritma neuro-fuzzy inilah lokasi dan dimensi gardu distribusi dapat ditentukan secara optimum. Demikian pula dengan sistem distribusi lain yang terkait dengan lokasi serta dimensi gardu tersebut."

"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."

"Metode Adaptif Neuro Fuzzy Inference System (ANFIS) untuk penerapan pada identifikasi dan aplikasi kendali sistem multi masukan multi keluaran (MIMO) dan sistem satu masukan satu keluaran (SISO) diharapkan dapat menjadi salah satu metode kendali cerdas alternatif selain mengandalkan metode kendali cerdas umum seperti Jaringan Syaraf Tiruan backpropagation. Sistem plant MIMO tersebut mengacu kepada sistem Pesawat Udara Nirawak SRITI yang menghasilkan 3 surface kendali. Metode ANFIS yang dibangun merupakan metode yang terdiri dari metode Jaringan Syaraf Tiruan Adaptif dan model sistem inferensi fuzzy. Algoritma pembelajaran identifikasi, invers, dan algoritma pembelajaran On-Line merupakan metode pembelajaran yang digunakan pada sistem ini. Melalui rancangan metode ANFIS ini kemudian dilakukan simulasi untuk memperlihatkan hasil identifikasi dan pembelajaran secara On-line sistem ketika masukan dan keluaran sistem Pesawat Udara Nirawak (UAV) diberikan. ANFIS dengan algoritma pembelajaran identifikasi dan invers telah dapat memberikan hasil respon yang baik, namun untuk menyempurnakan hasil metode pembelajaran Off-line sistem harus diberikan suatu pengestimasi tambahan yang menjadikannya sistem On-line. Hasil percobaan On-line telah menunjukkan keberhasilan sistem ANFIS dalam mengidentifikasi dan mempelajari sistem SISO dan MIMO.

---

Adaptif Neuro Fuzzy Inference System (ANFIS) method for Multi Input Multi Output (MIMO) plant system identification and control application expected to become one of an alternative smart control method in addition to relying on another smart control method such as backpropagation neural network. That MIMO plant system refers to Unmanned AeroVehicle which produce 3 control surface.

ANFIS method which will be proposed consist of adaptive neural network method and Fuzzy Inference System model. Identification learning algorithm, inverse learning algorithm, and On-line learning are identification and control methods used in this system.

From this proposed ANFIS method then simulated to demonstrate the identification and learning’s output when UAV SRITI plant system's input and output were given. ANFIS with identification and inverse learning algorithm had given good response, but for more perfection of Off-line system method, there should be given some additional estimator to make it On-line. The On-line method result has demonstrated the success of ANFIS system in identifying and learning SISO and MIMO systems."

"Penggunaan citra sidik jari untuk berbagai macam aplikasi telah banyak dikembangkan, antara lain untuk sistem keamanan, klasifikasi sidik jari, identifikasi manusia dan digunakan oleh kepolisian untuk mengidentikasi orang yang dicurigai atau terlibat dalam suatu kejahatan. Pada identifkasi tersebut masih sering digunakan metode konvensional, yaitu dilihat secara visual berdasarkan pada parameter yang ada pada buku pedoman dan petunjuk identifkasi di kepolisian. Dari beberapa metode yang telah dikembangkan untuk mengganti metode konvensional tersebut, diperlukan parameter pengontrol yaitu nilai bobot yang sesuai agar kesalahan (error) pelatihan dan pengecekan mendekati nol. Sehingga dalam mendapatkan nilai parameter yang sesuai tersebut dilakukan dengan coba-coba (trial and error) dan epoch yang besar serta dibutuhkan waktu yang lama.Dalam penelitian ini, mengembangkan pemrograman modul pemrosesan citra menggunakan software Matlab versi 6.5 untuk mendapatkan data sudut rata-rata alur sidik jari (code arah) dan bifurkasi, serta proses pengenalan pola sidik jari menggunakan sistem penalaran adaptif yaitu sistem yang dapat mengontrol kesalahan (error) pelatihan dan pengecekan berbasis jaringan saraf dan logika fuzzy (neurofuzzy) dengan menggunakan tools Adaptive Neuro Fuzzy Inference System (ANFIS) yang ada di Matlab. Adapun sistem pengenalan pola sidik jari dilakukan dalam dua modul yaitu modul pemrosesan dan modul pengenalan. Pada modul pemrosesan terdiri dari proses pengambilan data citra yang berbeda dengan menggunakan scanning, proses perubahan citra sidik jari menjadi citra hitam-putih (biner), prosess penipisan (thinning) dan selanjutnya dilakukan ekstraksi citra sidik jari. Dalam modul pengenalan, dilakukan proses pengenalan data-data kode arah dan bifurkasi dari citra sidik jari yang berbeda menggunakan sistem penalaran adaptif berbasis neuro fuzzy.Dari hasil penelitian, waktu untuk proses pengenalan dan pengecekan pola sidik jari menggunakan sistem penalaran adaptif berbasis neuro-fuzzy 6 detik dan epoch 100, lebih cepat dibandingkan dengan pengenalan pola sidik jari berbasis jaringan saraf (neural network) selama 14 detik Semakin kecil error rata-rata pengenalan pola sidik jari maka prosentase kemiripan watt kecocokan dengan citra target semakin besar. Prosentase kemiripan pada pengenalan pola sidik jari berdasarkan data kode arah mencapai 99%, jauh lebih tinggi dan lebih baik prosentasenya dibandingkan dengan pengenalan pola sidikjari berdasarkan data bifukasi yang hanya mencapai 76%.

---

Fingerprint images that used for divers kinds of application has been developed among others for security system, classification of fingerprint, identification of human being and also used by the police to identify any suspects or those engaged in a crime. The conventional identification method is frequently used, namely by means of visual identification based on the existing parameters in the directory of identification book From some methods that have been developed to replace the conventional method, appropriate control parameters are needed so error in training and checking is close to zero, therefore trial and error is carried out to get such appropriate parametric values and great epoch with time is longer.

In this research, we developed programming of the image processing module used Matlab software version 6.5 to have bifurcation code data and bifurcation data, and fingerprint pattern recognition process using adaptive reasoning system, namely a system which can control error of training and checking close to zero based on neural network and fuzzy logic with used Adaptive Neuro Fuzzy Inference System (ANFIS) tools in Matlab. The fingerprint pattern recognition system is carried out in two modules, that is processing module and recognition module. The processing module consists of a process of image data collection, which is different from the one, which uses scanning; a process of changing fingerprint images to black and white (binary) images, followed then by a process of thinning and then fingerprints extraction. In the recognition module, a process of identification of data on code of direction and bifurcation of fingerprint images, which is different from the one, which uses adaptive reasoning system, based on neuro-fuzzy.

From the result of research, we have time of fingerprint recognition using adaptive reasoning system based on neuro-fuzzy is 6 second and epoch 100, it is faster then fingerprint recognition using neural network If average errors is small then percentage of similarity input images with target fingerprint images are bigger. Percentage of similarity fingerprint recognition based on direction code is 99%, it is higher and most good then percentage fingerprint recognition based on bifurcation data that just result is 76%."

"ABSTRAKSecara keseluruhan sistem distribusi memerlukan biaya total 30 % hingga 50 % dari biaya sistem tenaga listrik. Oleh karena itu sistem distribusi harus direncanakan seoptimum mungkin untuk dapat melayani permintaan beban sesuai dengan persyaratan-persyaratan teknis dan ekonornis. Algoritrna adalah salah satii alat kerja yang bersifat konseptual dan merupakan prosedur operasional standar (pos) untuk mengambil keputusan guna mencapai tiijuan utama dari suatu aktifitas. Dalam perencaan pengembangan sistem distribusi algoritma atau pos ini memegang peranan yang sangat penting. Sebab dengan mengikuti prosedur-prosedur sesuai dengan algoritma atau pos, keputusan yang diambil menjadi tepat dan pekerjaan perencanaan pun mencapai hasil yang optimum pula. Jadi secara umum dikatakan bahwa algoritma dalam hal ini adalah alat kerja bantu untuk mengoptimalkan perencanaan pengembangan sistem distribusi."

"Dalam makalah ini dipresentasikan Adaptive Neuro Fuzzy Inference Systems (ANFIS) yang digunakan pada konverter dc-dc paralel non identik. Skema pengendalian master-slave dimanfaatkan untuk distribusi arus pada setiap konverter yang disusun paralel, sebagai referensi arus adalah arus keluaran konverter pertama dikurangi dengan arus keluaran konvereter ke dua dan ketiga, sehingga di hasilkan Error 1= I1-I2 dan Error 2= I1-I3 kemudian error tersebut di gunakan sebagai masukan kontroller, konsep inilah yang diusulkan dalam makalah ini. Tujuan lain dalam makalah ini penerapan ANFIS, pengembangan dan pembuktian secara matematika dan keuntungannya melalui perbandingan hasil simulasi, sehingga dihasilkan Root Mean Square Error (RMSE) sekecil mungkin. Struktur ANFIS yang digunakan sebanyak 45 parameter yang dibagi menjadi dua yaitu 27 parameter linier dan 18 parameter non linier dan 9 rules. Jumlah data sebanyak 30005. Hasil simulasi menunjukkan RMSE trn=0.000465492, RMSE chk= 0.0202974 dengan pengulangan 30 kali dan pada pengulangan 15 kali RMSE trn=0.000484379, RMSE chk= 0.020331. Hasil ini menunjukkan terjadi perbaikan sistem dalam keseimbangan distribusi arus yang diberikan oleh masing-masing konverter yang memiliki parameter tidak sama.

---

In this paper is presented an Adaptive Neuro Fuzzy Inference Systems (ANFIS) for parallel connected dc-dc converters non identic. Scheme controlling the master-slave be used for the current distribution at each parallel converter, where as reference is the first converter current output lessened with the second converter current output and third converter current output, become the error 1 yielded from I 1-I2 and error 2 from I1-I3, then used as input controller, this is model proposed in the article. The objective of the paper is to introduce an ANFIS application, develop the associated mathematical theory and prove the concept and its advantages through comparative simulation with its existing, so that reached the RMSE as minimum as possible. Structure anfis use 45 parameter which is divided become 27 linear parameter, 18 parameter non linear and also 9 rules. Amount of data is 30005 pairs. Result of simulation of rmse trn = 0.000465492, rmse chk= 0.0202974 at 30 epochs and at 15 epochs mrse trn=0.000484379, rmse chk= 0.020331. This matter show there is system repair in well-balanced current distribution though converter used unegual of its parameter."

"Ketidakpastian pertumbuhan beban, sebagai akibat dari ketidakpastian pertumbuhan ekonomi, akan menyulitkan perencanaan optimalisasi pengembangan sistem tenaga listrik, dalam hal ini sistem distribusi, mengingat karakteristik dasar pertumbuhan beban atau konsumsi energi dan penyediaan dana juga dalam kondisi ketidakpastian. Namun demikian sistem distribusi harus tetap melayani permintaan beban dari masyarakat, meskipun biaya-biaya yang diperlukan untuk investasi dan operasional relatif tinggi. Salah satu cara untuk memperoleh solusi dari persoalan di atas yaitu dengan menerapkan dan sekaligus mengembangkan metoda stokastik untuk optimalisasi pengembangan sistem tenaga listrik. Prinsip dasarnya adalah mensubstitusikan kemungkinan-kemungkinan (probabilitas) permintaan beban masa mendatang berkaitan dengan beban masa kini, ke dalam persamaan karakteristik dasar optimalisasi sistem. Strategi pengembangan dan pengambilan keputusannya dibuat dengan batuan kriteria minimalis.

---

The uncertainty of demand growth, as a cosequence of the uncertainty of economic growth, will make it d{fficult to optimize the planning of power systems, especially distribution systems, considering demand growth or energy consumptions basic characteristics and financial conditions which are also under uncertainty. However distribution systems must serve the demand, in spite of relatively high investation and operational costs.

One way to get a solution for the above problems is by applying stochastic methods and develop it to the optimize and develop power systems simultaneously. The basic principles is by substituting the probabilities of future demand related to the present demand growth into the ba5ic system optimization characteristics. Development strategy and decision making are made by the aid of the minimax criterion."