Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam skripsi ini dibahas pemodelan sistem fuzzy statis dan proses penetapan konstanta parameternya. Dalam pemodelan sistem fuzzy statis ada lima hal yang harus ditetapkan, variabel input, subhimpunan fuzzy, fungsi keanggotaan himpunan fuzzy, relasi input-output dan konstanta parameter. Algoritma input-output dalam sistem fuzzy statis diaplikasikan untuk melengkapi proses pemodelan sistem fuzzy statis. Penetapan konstanta parameter, dilakukan sedemikian sehingga eror antara nilai output dari model dan data output yang sebenarnya adalah minimum. Dalam skripsi ini, metode yang akan digunakan dalam menetapkan konstanta parameter adalah metode Least-Square.

---

This mini thesis discusses static fuzzy system modeling and the process of determining its constant parameter. In static fuzzy system modeling, there are five items that must be considered, they are input variables, fuzzy subset, membership function of fuzzy set, input-output relations, and constant parameter. Input-output algorithm in static fuzzy system is applied to complete the static fuzzy system modeling process. Determining constant parameters are done such that the error between output value and real output data is minimum. In this mini thesis, Least-Square method is used in determining the constant parameter."

"Model basis data relasional telah terbukti sebagai model yang tepat dalam sistem manajemen informasi dan telah diterapkan dalam berbagai aplikasi. Penggunaan model basis data relasional sangat efektif untuk data yang pasti dan tidak ambigu. Namun demikian, aplikasi dunia nyata seringkali mengandung informasi yang tidak tepat dan tidak pasti di dalamya. Model basis data relasional yang ada saat ini tidak dapat mengakomodasi informasi yang tidak sempurna tersebut. Oleh sebab itu, diperlukan sebuah model basis data relasional baru yang dapat memenuhi kebutuhan itu. Kombinasi antara teknologi basis data dan teknik fuzzy menghasilkan sebuah konsep bernama basis data fuzzy.Penelitian pada Tugas Akhir ini telah mengembangkan Sistem Basis Data Fuzzy yang berjalan diatas DBMS konvensional. Modul utama yang dikembangkan adalah fuzzy interpreter yang dapat mentransformasikan query fuzzy yang diberikan pengguna ke dalam query crisp sehingga bisa dieksekusi pada DBMS. Modul ini juga mentransformasikan hasil crisp yang diberikan basis data ke hasil fuzzy untuk diberikan kembali ke pengguna. Dalam basis data konvensional, operasi union dan intersection adalah dua operasi himpunan yang penting karena sering digunakan.Penelitian pada Tugas Akhir ini telah sukses mengaplikasikan operasi-operasi fuzzy union dan fuzzy intersection pada fuzzy interpreter Sistem Basis Data Fuzzy. Tugas Akhir ini membuktikan bahwa basis data fuzzy lebih baik daripada basis data konvensional karena dapat memberikan hasil yang lebih lengkap dan mengatasi permasalahan pada beberapa kasus dunia nyata yang tidak bisa dilakukan oleh basis data konvensional.

---

Relational database model is proven as good model in information management system and applied in several applications. Relational database model is effective for precise and unambiguous data. However, real world applications often have imprecise and uncertain information. Current relational database model can?t accommodate imperfect information. So that, new database relational model that can accommodate those requirement is needed. Combination between database technology and fuzzy technique produce a fuzzy database concept.Research in this Final Project has developed Fuzzy Database Systems that uses convensional DBMS. Major modul that has developed is fuzzy interpreter that can transform fuzzy query into crisp query so that it can be executed by DBMS. This modul also transform crisp result from database into fuzzy result to the user. In conventional database, union and intersection operations are two important set operations because they often used.Research in this Final Project is successfully implemented fuzzy union and fuzzy intersection operations in fuzzy interpreter Fuzzy Database Systems. This Final Project prove that fuzzy database is better than conventional database because it can give more complete result and solve some real world problems that can?t be solved by conventional database."

"Konstanta waktu dan waktu tunda proses merupakan faktor yang tidak dapat dihindari pada pengendalian proses-proses industri, sehingga usaha penalaan parameter kendali menjadi rumit dan memerlukan waktu yang panjang. Untuk penalaan pengendali Proporsional-Integral-Derivatif (PID) konvensional biasanya digunakan metode penalaan Ziegler-Nichols, yang pada prakteknya memerlukan beberapa kali penalaan yang memerlukan waktu yang lama.Tugas akhir ini membahas rancangan pengendali PID pada sistem kendali digital dimana parameter pengendali tersebut akan diubah dan diperbaiki berdasarkan mekanisme kendali fuzzy selama proses berlangsung untuk mencapai respons sistem yang lebih baik. Nilai awal parameter pengendali didapat melalui metode Sintesis yang dapat diaplikasikan untuk setiap kombinasilmodel proses, karena metode ini dibangun berdasarkan prinsip-prinsip dasar perhitungan sistem kendali.Basis pengetahuan mekanisme kendali fuzzy disusun berdasarkan prinsip jika keluaran sistem sesuai dengan yang diinginkan (error sama dengan nol) dan perubahan error sama dengan nol, maka keluaran pengendali dibuat konstan. Jika keluaran berbeda dengan yang diinginkan, maka aksi yang dilakukan tergantung dari nilai error dan nilai perubahan error. Jika kondisi error menuju nol dengan sendirinya, maka keluaran pengendali dibuat konstan atau hampir konstan. Jika tidak (error tidak menuju nol), maka keluaran pengendali terus diperbaiki sampai sesuai dengan nilai yang diinginkan.Hasil pengendalian dengan pengendali ini pada sistem yang disimulasikan dengan komputer pribadi menggunakan perangkat lunak Microsoft Excel'97 dan Fuzzytech 5.12 menunjukkan perbaikan respons sistem, yaitu delay time, rise time dan settling time yang relatif lebih cepat."

"Fasilitas blending mogas berfungsi untuk mencampur komponen High Octane Mogas Component HOMC dan Naphtha sehingga menghasilkan produk dalam bentuk gasoline 88 atau lebih dikenal premium. Analisa kelayakan investasi dilakukan dengan metode Net Present Value NPV yang dilakukan dalam dua cara yaitu secara konvensional dan fuzzy.Penelitian ini menggunakan software MATLAB R2016a untuk melakukan perhitungan Fuzzy NPV berbasis Distribusi Triangular. Rentang nilai yang digunakan untuk variabel yang difuzzikan adalah rendah L, medium M, dan tinggi H. Hasil perhitungan dengan pendekatan fuzzy menunjukkan nilai yang berbeda dibandingkan dengan pendekatan konvensional. Hasil perhitungan NPV menggunakan metode konvensional menghasilkan nilai 10.6995 juta USD, sedangkan berbasis Fuzzy Distribusi Triangular menghasilkan 8.8129 juta USD. Adanya perbedaan tersebut dikarenakan variasi input terhadap tingkat suku bunga, pendapatan, dan total biaya blending.

---

The blending mogas facility serves to mix High Octane Mogas Component HOMC and Naphtha components to produce gasoline 88 or known premium. Investment feasibility analysis is done by Net Present Value NPV method which is done in two ways, conventionally and fuzzy. This research uses MATLAB R2016a software to perform Fuzzy NPV calculation based on Triangular Distribution. The range of values used for the dif fered variables is low L, medium M, and high H. The results of calculations with the fuzzy approach show different values compared with the conventional approach. The NPV calculation results using conventional methods is 10.6995 million USD, while Fuzzy based Triangular Distribution is 8.8129 million USD. The difference is due because there are input variation to the interest rate, revenue, and total cost of blending."

"Analisis clustering merupakan proses pengelompokan yang bertujuan untuk menemukan kelompok atau cluster yang didalamnya memiliki karakteristik yang serupa. Seiring berjalannya waktu, teknik clustering berkembang menjadi biclustering dan triclustering, di mana dalam triclustering data yang digunakan adalah data tiga dimensi. Triclustering mampu mengelompokkan ketiga dimensi tersebut secara bersamaan yang nantinya kelompok yang dihasilkan disebut dengan tricluster. Pada penelitian ini, digunakan metode Fuzzy Cuckoo Search (FCS) untuk mengimplementasikan triclustering pada data ekspresi gen tiga dimensi. FCS mengaplikasikan konsep Fuzzy C-Means (FCM) ke dalam algoritma cuckoo search. Penggunaan fungsi objektif FCM dalam FCS dapat mengatasi ketidakjelasan (uncertainty) dalam data, khususnya pada data ekspresi gen. Dalam metode cuckoo search, pencarian ‘solusi’ tricluster digambarkan dengan spesies cuckoo yang meletakkan telur di sarang burung lain. Berbeda dengan cuckoo search pada umumnya yang menggunakan metode random walk levy flight untuk pencarian solusi, pada penelitian ini, digunakan metode lain, yaitu metode random walk distribusi gaussian, di mana hal tersebut merupakan sebuah kebaruan dalam penelitian ini. Cuckoo search dalam metode FCS merupakan metode metaheuristik, sehingga dapat digunakan dalam berbagai masalah analisis data, termasuk data ekspresi gen. Metode FCS berdasarkan distribusi gaussian diimplementasikan pada data ekspresi gen tiga dimensi dari gen otot rangka yang diberi infus IL-6, di mana ekspresi gen diamati pada 3 subjek dan 3 titik waktu yang berbeda. Metode ini dievaluasi menggunakan ukuran evaluasi Triclustering Quality Index (TQI). Dari skenario yang dilakukan, metode FCS memberikan hasil terbaik dengan rata-rata TQI terendah ketika menggunakan nilai gaussian dan probabilitas . Hasil implementasi metode FCS menunjukkan 4 tricluster yang diduga sebagai kumpulan gen yang berekspresi atas respon dari IL-6. Kelompok gen yang diperoleh dari tricluster dapat digunakan sebagai target oleh ahli medis dalam pengembangan di bidang pengobatan penyakit seperti kanker, diabetes, paru-paru, atau gagal jantung yang menargetkan gen-gen dalam kelompok tricluster tersebut.

---

Clustering analysis is a grouping process that aims to find clusters such that objects in the same clusters have similar characteristics. Over time, clustering developed into biclustering and triclustering, wherein triclustering use three-dimensional dataset. Triclustering is able to group these three dimensions simultaneously and form groups called tricluster. This study used the Fuzzy Cuckoo Search (FCS) method to implement triclustering on three-dimensional gene expression data. FCS applies the Fuzzy C-means (FCM) concept to the cuckoo search algorithm. The use of the objective function of FCM in FCS can overcome the uncertainty in the data, especially in gene expression data. In the cuckoo search, finding the tricluster is described with cuckoo species laying their egg in the nests of other birds. The egg laid on the nest represents a 'solution' which is an update of the tricluster from the previous tricluster. Unlike cuckoo search in general, in this study, to find the tricluster solutions, it use gaussian random walk instead of levy flight random walk. Cuckoo search in the FCS method is a metaheuristic method, so it can be used in various data analysis problems, including gene expression data. FCS based on Gaussian distribution was implemented on three-dimensional gene expression data of skeletal muscle genes given IL-6 infusion, where the gene expression was observed in 3 subjects and 3 different time points. Of the 36 simulations performed, the FCS method gives the best results with the lowest average TQI when using gaussian values and probability . This method was evaluated using the Triclustering Quality Index (TQI) evaluation measure. The result of the implementation of FCS shows 4 triclusters which were suspected to be a collection of genes that change in response to IL-6. The gene groups obtained from the tricluster can be used as a consideration by medical professionals in the development of the treatment of diseases such as cancer, diabetes, pulmonary disease, or heart failure that target the genes in the tricluster group."

"Kanker merupakan penyakit penyebab kematian terbesar kedua di dunia. Menurut prediksi WHO 2015 kasus kematian akibat kanker akan meningkat menjadi 21,6 juta kasus pada tahun 2030. Salah satu usaha untuk mengurangi penyebaran kanker dengan menggunakan machine learning adalah melakukan pendeteksian jenis kanker dengan memanfaatkan microarray data. Pada umumnya, microarray data kanker terdiri dari banyak fitur. Namun, tidak semua fitur yang ada pada data kanker memiliki informasi penting. Oleh karena itu, fitur-fitur tersebut akan diekstraksi menggunakan metode Principal Component Analysis PCA. Kemudian dipilih fitur-fitur yang paling informatif dari data hasil ekstraksi PCA. Fitur-fitur terpilih dari data hasil ekstraksi akan dibentuk dalam data baru. Data sebelum dan data setelah dilakukan pemilihan fitur akan diklasifikasi menggunakan metode Fuzzy Support Vector Machines FSVM. Akurasi dari proses klasifikasi dua tahap tersebut akan dibandingkan. Pendekatan one versus one akan digunakan pada masalah klasifikasi multikelas data kanker leukemia. Dengan pendekatan tersebut akan terbentuk sebanyak k k-1 /2 masalah dua kelas, di mana k menunjukkan jumlah kelas. Hasilnya, tanpa melakukan pemilihan fitur, diperoleh akurasi tertinggi sebesar 87.69. Setelah dilakukan pemilihan fitur, diperoleh akurasi terbaik dengan menggunakan 60 fitur dengan akurasi sebesar 96,92.

---

Cancer is the second leading cause of death globally. According to WHO prediction 2015 cases of cancer deaths will increase become 21.6 million cases by 2030. One of the effort to reduce the spread of cancer by using machine learning is to detect the types of cancer. We can use microarray data to detect the types of cancer. In general, microarray cancer data consist of many features. However, not all features in cancer data have important information. Therefore, these features will be extracted by using Principal Component Analysis PCA method. Then, we select the most features who have important information of data extraction. The selected features of extracted data will be formed in the new data. Data, before and after selection will be classified using Fuzzy Support Vector Machines FSVM method. The accuracy of the classification process will be compared. The one versus one approach will be used on multiclass leukemia cancer data. This approach will formed the multiclass problem into k k 1 2 binary class problems, where k denotes the number of classes. The results, without doing feature selection, the highest accuracy is 87.69. After doing feature selection, the best accuracy is obtained by using 60 features with the accuracy is 96.92."

"Sistem simulasi yang diketengahkan dalam Tugas Akhir ini menggunakan algoritma pengaturan berbasis logika fuzzy. Logika fuzzy digunakan untuk mengatasi kesulitan pengendalian pada sistem yang memiliki sifat non-linieritas tinggi, di antaranya adalah pengemudian mobil. Akan dijelaskan model asli model yang disederhanakan, serta penentuan model fuzzy Takagi-Sugeno mobil. Sebagai pengendali digunakan kontroler fuzzy yang dioptimasi dengan persamaan Riccati. Dibahas juga pengujian kestabilan pengendalian. Dalam hal ini, logika fuzzy tidak hanya digunakan pada pengendali (kontroller) tetapi juga untuk memodelkan mobil (model fuzzy Takagi-Sugeno). Pada bagian akhir diberikan flowchart program simulasi dan Basil-hasil simulasi pada beberapa kondisi untuk menunjukkan pengaruh - kecepat:an, waktu cuplik, panjang mobil, dan besainya state feedback gain, K terhadap kinerja pemarkiran."

"Banyaknya dokumen pada Internet menuntut adanya mesin pencari. Mesin pencari yang ada saat ini dapat menemukan dokumen atau informasi berdasarkan kata kunci tertentu. Namun terkadang dokumen hasil pencarian tidak relevan dengan informasi yang dibutuhkan. Penelitian dalam tugas akhir ini bertujuan untuk membuat sistem yang dapat melakukan ekspansi kata kunci pada mesin pencari dengan menggunakan metode relasi fuzzy.Relasi fuzzy merupakan suatu metode yang dapat menggambarkan hubungan antara dua buah objek. Dengan adanya ekspansi kata kunci, diharapkan hasil pencarian yang didapatkan akan lebih banyak dan dapat ditemukan dokumen dengan kata kunci lain namun memiliki relevansi dengan informasi yang dibutuhkan.Dengan ekspansi kata kunci sebagai dasar, penelitian tugas akhir ini juga kemudian melakukan pemeringkatan hasil pencarian dengan menggunakan sistem inferensi fuzzy Takagi-Sugeno-Kang (TSK) orde-satu. Penelitian tugas akhir ini dibatasi pada kata kunci berbahasa Indonesia dan ekspansinya dibatasi maksimal tiga kata kunci.

---

The existence of search engine is required due to the increasing number of documents on the Internet. Search engines are able to find documents or information based on certain keyword. But the search results are seldom irrelevant with the necessary information. The aim of this final project research is to build a system which is able to expand the keyword on search engine using fuzzy relation.Fuzzy relation is a method which is capable of describing the relationship between two objects. The expectation of the keyword expansion is to enable users to get more search results and perhaps some of them are relevant with the necessary information.With the keyword expansion as basic, this final project research then ranks the search results using the orde-one Takagi-Sugeno-Kang (TSK) fuzzy inference system. The system can only accept keyword in Indonesian language, and will only have three keyword expanded in maximum."

"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."