Hasil Pencarian  ::  Simpan CSV :: Kembali

"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)."

"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 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."

"Error in variable model adalah model regresi dimana variabel independennya mengandung error. Hal ini dikarenakan nilai sebenarnya dari variabel independen tidak diketahui dan tidak dapat diukur dengan tepat sesuai dengan nilai sebenarnya (disebut dengan variabel independen yang tidak terobservasi), sehingga nilai sebenarnya dari variabel independen ini diwakilkan oleh nilai yang didapat dari suatu proses pengukuran yang belum tentu sesuai dengan nilai sebenarnya. Salah satu jenis error in variable model adalah classical error in variable model. Pada classical error in variable model, terdapat dua jenis variabel independen yang tidak terobservasi, yaitu fixed dan random. Pada penulisan tugas akhir ini akan dibahas mengenai penaksiran parameter pada classical error in variable model dimana variabel independen yang tidak terobservasi berdistribusi normal dengan menggunakan metode maksimum likelihood."

"Errology is a term launched by Prof. Mineo Suenobu (1995-1999) that means study of error analysis. Japanese-Indonesian errology is a study of various errors done by Indonesian students in learning Japanese as a a foreign language. The intermediate course in this research is a Japanese class from third grade students at Department of Japanese Studies, Faculty of Humanities. Therefore, the Japanese-Indonesian errology in this research is about the errors from early intermediate Japanese, Intermediate Japanese is a level of foreigner?s Japanese who has learned hiragana, katakana, 300 Chinese characters, 1500 words and basic grammar. This competence reached about 1000 Chinese characters, 6000 words and some advanced grammatical categories. From language acquisition, there are two kind of errors: (1) interlingual errors, caused by the students? mother tongue; (2) intralingual errors, caused by the structural problems of Japanese language. Interlingual errors are much more than intralingual errors. From the structure of language, there are six kind of errors: (1) grammatical errors; (2) lexical errors; (3) pragmatic errors; (4) lexicalpragmatic errors; (5) lexical grammatical errors; (6) grammatical-pragmatic errors. Grammatical errors are the most."

"Dalam analisis yang berhubungan dengan waktu ketahanan sering timbul masalah data waktu ketahanan yang tersensor maka diperlukan metode analisis yang memperhatikan masalah sensoring. Waktu ketahanan individu sangat tergantung dari karakteristik-karakteristik individu yang bersangkutan. Dalam Statistik karakteristik-karakteristik ini dapat disebut Kovariat. Salah satu metode analisis yang dapat mengatasi masalah sensoring dengan memperhatikan kovariat individu (yang berupa variable kategorik) adalah Model Coxs Propotional Hazard. Tugas akhir ini membahas model Coxs Proporsional Hazard dengan focus pada Resiko Kegagalan Relatif (kerusakan/kematian) dan Ketahanan (ketahanan hidup/ketahanan pemakaian). Aplikasinya membahas ketahanan pasien penyakit jantung dengan transplantasi dan usia sebagai kovariatnya"

"In the 1820s Gauss published two memoirs on least squares, which contain his final, definitive treatment of the area along with a wealth of material on probability, statistics, numerical analysis, and geodesy. These memoirs, originally published in Latin with German Notices, have been inaccessible to the English-speaking community. Here for the first time they are collected in an English translation. For scholars interested in comparisons the book includes the original text and the English translation on facing pages. More generally the book will be of interest to statisticians, numerical analysts, and other scientists who are interested in what Gauss did and how he set about doing it. An Afterword by the translator, G. W. Stewart, places Gauss's contributions in historical perspective."

"ABSTRAKEmosi merupakan hasil dari aktivitas sensorik manusia baik sadar maupun tidak sadar yang dipicu oleh suatu objek atau situasi yang dialami manusia. Dalam dunia medis, emosi sangat berperan dalam kesembuhan pasien, tenaga medis sering kali mempertimbangkan emosi pasien untuk pengambilan keputusan langkah medis yang harus ditempuh. Saat ini, sistem pendeteksi emosi yang banyak digunakan adalah menggunakan raut wajah, namun sistem ini masih kurang bisa membantu tenaga medis dikarenakan ada pasien yang tidak mau atau tidak bisa memperlihatkan emosi mereka baik secara verbal maupun non-verbal. Oleh karena itu dibutuhkan sistem pendeteksi emosi yang tidak bergantung pada ekspresi emosi verbal maupun non-verbal. Penelitian ini membahas tentang perancangan sistem pendeteksi emosi menggunakan sinyal elektroensefalografi (EEG) dengan menggunakan metode ekstraksi fitur Bispectrum Wavelet. Kemudian untuk detailed coefficient akan diekstrak fiturnya menggunakan Relative Wavelet Bispectrum (RWB) dan untuk approximate coefficient akan di filter menggunakan Non-Overlap 3-D Pyramid untuk kemudian dicari mean%. Sistem pendeteksi emosi dengan menggunakan sinyal EEG dipilih karena untuk mendapatkan sinyal EEG tidak bergantung pada ekspresi emosi verbal maupun non-verbal. Dataset EEG yang digunakan didapatkan dari Database for Emotion Analysis using Physiological Signals (DEAP). Hasil mean yang didapatkan dari implementasi sistem yang diajukan pada skripsi ini adalah 76.6250% untuk valence dan 75.8594% untuk arousal. Hasil ini lebih tinggi 3.1050% untuk valence dan 2.4794% untuk arousal dibandingkan dengan hasil yang didapatkan pada paper

---

ABSTRACTEmotion is a result of humans conscious or unconscious sensorics activities that is triggered by object or situation that the human experienced. In medical world, emotion can be the key for patient healing process, doctor or medical personnel often use patients emotion to make next healing process movement. Nowadays, facial recognition is the most common emotion detection system; however, this emotion detection system is unreliable because it needs patient to show their emotion in verbal or non-verbal ways. Therefore, other emotion detection system that does not depend on humans verbal or non-verbal expression is needed. In this research, emotion detection system using electroencephalography (EEG) signal with Bispectrum Wavelet for its features extraction is discussed. Relative Wavelet Bispectrum will be used to extract features from detailed coefficient, and the approximate coefficient will be filtered and then it mean% will be calculated. EEG signal-based emotion detection system was chosen because EEG signal does not depend on humans verbal or non-verbal expression. Database for Emotion Analysis using Physiological Signals (DEAP) is used in this research. The mean result of the proposed system was 76.6250% for valence and 75.8594% for arousal. This results was higher by 3.1050% for valence and 2.4794% for arousal from the previous system"