Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini bertujuan untuk mengetahui pengaruh penerapan Teknik. Differential Reinforcement of Other Behavior (ORO) dengan penggunaan token reinforcer dalam menurunkan perilaku bermain Play Station dan meningkatkan perilaku mengerjakan tugas akademis yang diterapkan pada anak usia sekolah (seorang anak laki-laki, usia 8 tahun). Hasil penelitian menunjukkan subjek mengalami perubahan perilaku menurunnya durasi bermain play station dan meningkatnya durasi kegiatan akademik setelah mengikuti 10 sesi pertemuan. Penelitian ini didukung oleh kehadiran beberapa literatur penelitian dalam area penggunaan teknik DRO untuk mengatasi pennasalahan seputar perilaku mengganggu dan pennasalahan dalam koridor akademis. Lebih lanjut, adanya batasan dalam penelitian ini disampaikan dalam diskusi.

---

This study aims to determine the effect of the application of techniques. Differential Reinforcement of Other Behavior (ORO) with the use of token reinforcer in reducing Play Station behavior and improving behavior in performing academic tasks applied to school-age children (a boy, age 8 years).

The results showed the subject experienced a change in behavior decreasing the duration of playing station and increasing the duration of academic activities after attending 10 meeting sessions. This research is supported by the presence of several research literature in the area of ​​using DRO techniques to address problems surrounding disturbing and problematic behavior in academic corridors. Furthermore, the limitations in this study were presented in the discussion."

"Aktivitas yang tinggi pada anak usia sekolah dapat menyebabkan terjadinya pengabaian terhadap pemeliharaan derajat kesehatan yang optimal. Orangtua sebagai pemeran utama dalam kehidupan anak memegang posisi strategis dalam membentuk kepribadian dan perilaku anak, sehingga diharapkan kebersihan dan kesehatan anak tetap terpelihara. Namun peran ini seringkali tidak disadari orangtua, bahkan dalam bentuk pujian sekalipun, sehingga anak menjadi enggan berperilaku sehat, bahkan rasa percaya diri anak tidak berkembang dengan baik. Penelitian secara deskriptif sederhana melalui penyebaran angket terhadap 30 orangtua di Rt 001-O03 Rw 06 Semper Timur Jakarta Utara menghasilkan angka 63,33% pengetahuan orangtua sedang atau cukup mengenai fungsi reinforsemen positif dalam meningkatkan motivasi anak usia sekolah berperilaku sehat, dan selebihnya yaitu 36,66% menunjukkan pengetahuan orangtua baik. Hal ini menggambarkan bahwa masih dibutuhkan peran tenaga kesehatan untuk mensosialisasikan fungsi dukungan pada anak beserta poin penting dalam memodifikasi perilaku agar tugas perkembangan anak dapat tercapai."

"Rendahnya pemberian reinforcement orang tua akan memberi dampak buruk terhadap perilaku dan harga diri remaja. Studi bertujuan untuk mengetahui hubungan antara reinforcement orang tua terhadap harga diri remaja di SMUN 27 Jakarta Pusat dengan jumlah responden 96 siswa dan menggunakan metode stratified random sampling. Alat yang digunakan berupa kuesioner. Desain penelitian ini adalah korelasi. Hasil yang diperoleh dari perhitungan tabulasi chi square didapat nilai p value (0,157) lebih besar dari pada α (0,05) dapat disimipulkan bahwa tidak ada hubungan antara reinforcement orang tua terhadap harga diri remaja di SMUN 27 Jakarta Pusat. Peneliti menyarankan untuk penelitian lebih lanjut agar melibatkan orang tua secara langsung dalam penelitian ini agar tergambar dengan jelas mengenai pemberian reinforcementnya."

"Tugas akhir ini membahas mengenai pemberian program modifnkasi perilaku pada anak usia sekolah yang memiliki rentang perhatian yang pendek dan kecerdasan yang berada pada mmf slow learner. Target perilaku dalam modifikasi pcrilaku ini adalah duduk tenang mmbil melakukan aktivitas belajar. Program moditikasi perilaku yang diberikan bertujuan untuk meningkatkan rentang perhatian anak dalam melakukan aktivilas beiajar. Adapun metode modiiikasi perilaku yang digunakan adalah positive reinjnmemenr dengan teknik token economy. Hasil modiiikasi perilaku memmjukkan bahwa program ini efektif untuk meningkatkan rentang pcrhatian anak dalam melakukan aktivitas bclajar.

---

This final project discussed about behavior modification program to middle childhood child, who have short attention span and slow learner intelligence. The behavioral target in this modification program is to sit appropriately while doing learning activities. The objective of this modification program is to improve child attention span while doing learning activities. The method of this program is positive reinforcement by token economy technique. The result shows that the behavior modification program is effective to improve child attention span while doing learning activities. The behavioral modification method that was used"

"Sistem coupled tank merupakan salah contoh penerapan sistem kontrol level industri yang memiliki karakteristik yang kompleks dengan non linieritas yang tinggi. Pemilihan metode pengendalian yang tepat perlu dilakukan untuk dapat diterapkan dalam sistem coupled tank agar dapat memberikan kinerja dengan presisi tinggi. Sejak awal kemunculannya, Reinforcement Learning (RL) telah menarik minat dan perhatian yang besar dari para peneliti dalam beberapa tahun terakhir. Akan tetapi teknologi ini masih belum banyak diterapkan secara praktis dalam kontrol proses industri. Pada penelitian ini, akan dibuat sebuah sistem pengendalian level pada sistem coupled tank dengan menggunakan Reinforcement Learning dengan menggunakan algoritma Twin Delayed Deep Deterministic Policy Gradient (TD3). Reinforcement Learning memiliki fungsi reward yang dirancang dengan sempurna yang diperlukan untuk proses training agent dan fungsi reward tersebut perlu diuji terlebih dahulu melalui trial and error. Performa hasil pengendalian ketinggian air pada sistem coupled tank dengan algoritma TD3 mampu menghasilkan pengendalian yang memiliki keunggulan pada rise time, settling time, dan peak time yang cepat serta nilai steady state eror sangat kecil dan mendekati 0%.

---

The coupled tank system is an example of the application of an industrial level control system that has complex characteristics with high non-linearity. It is necessary to select an appropriate control method to be applied in coupled tank systems in order to provide high-precision performance. Since its inception, Reinforcement Learning (RL) has attracted great interest and attention from researchers in recent years. However, this technology is still not widely applied practically in industrial process control. In this research, a level control system in a coupled tank system will be made using Reinforcement Learning using the Twin Delayed Deep Deterministic Policy Gradient (TD3) algorithm. Reinforcement Learning has a perfectly designed reward function that is required for the agent training process and the reward function needs to be tested first through trial and error. The performance of the results of controlling the water level in the coupled tank system with the TD3 algorithm is able to produce controls that have advantages in rise time, settling time, and peak time which are fast and the steady state error value is very small and close to 0%."

"Sistem coupled tank merupakan salah contoh penerapan sistem kontrol level industri yang memiliki karakteristik yang kompleks dengan non linieritas yang tinggi. Pemilihan metode pengendalian yang tepat perlu dilakukan untuk dapat diterapkan dalam sistem coupled tank agar dapat memberikan kinerja dengan presisi tinggi. Sejak awal kemunculannya, Reinforcement Learning (RL) telah menarik minat dan perhatian yang besar dari para peneliti dalam beberapa tahun terakhir. Akan tetapi teknologi ini masih belum banyak diterapkan secara praktis dalam kontrol proses industri. Pada penelitian ini, akan dibuat sebuah sistem pengendalian level pada sistem coupled tank dengan menggunakan Reinforcement Learning dengan menggunakan algoritma Twin Delayed Deep Deterministic Policy Gradient (TD3). Reinforcement Learning memiliki fungsi reward yang dirancang dengan sempurna yang diperlukan untuk proses training agent dan fungsi reward tersebut perlu diuji terlebih dahulu melalui trial and error. Performa hasil pengendalian ketinggian air pada sistem coupled tank dengan algoritma TD3 mampu menghasilkan pengendalian yang memiliki keunggulan pada rise time, settling time, dan peak time yang cepat serta nilai steady state eror sama dengan 0%.

---

The coupled tank system is an example of the application of an industrial level control system that has complex characteristics with high non-linearity. It is necessary to select an appropriate control method to be applied in the coupled tank system in order to provide high-precision performance. Since its inception, Reinforcement Learning (RL) has attracted great interest and attention from researchers in recent years. However, this technology is still not widely applied practically in industrial process control. In this research, a level control system in a coupled tank system will be created using Reinforcement Learning using the Twin Delayed Deep Deterministic Policy Gradient (TD3) algorithm. Reinforcement Learning has a perfectly designed reward function that is required for the agent training process and the reward function needs to be tested first through trial and error. The performance of the results of controlling the water level in the coupled tank system with the TD3 algorithm is able to produce controls that have advantages in rise time, settling time, and peak time which are fast and the steady state error value is equal to 0%."

"Kebiasaan belajar adalah teknik yang menetap pada diri siswa pada waktu menerima pelajaran, mcmbaca buku, mengeujakan tugas, dan mengatur waktu untuk menyelesaikan kegiatan (Djaali, 2008). Kebiasaan belajar di ruma11 yang efelctifditandai dengan: melakukan kegiatan belajar secara teratur, mempersiapkan semua kcperluan bclajar sebelum keesokan harinya berangkat ke sekolah, dan terbiam belajar hingga benar-benar memahami materi yang dipelajari (Liang Gie, 1995). Program ini bertujuan mengubah kebiasaan belzgiar di rumah yang tidak teramr menjadi teratur melalui moditikasi perilalcu yang menerapkan prinsip-prinsip posilive reinforcement. Suhyek dalam penelitian ini bernama P, ia adalah seorang murid kelas 1 SD yang ‘berusia 6 tahum 8 bulan. Setelah dilakukan intcrvensi, P dapat belajar secara temmr, sehingga bisa disimpulkan bahwa positive reinjbrcemenf efektif untuk membentuk kebiasaan belajar. Untuk penelitian selanjutnya disarankan agar materi yang dipelajari hendaknya fokus pada satu mata pelajaran, dibuat program untuk menumbuhkan motivasi intemal, tingkatkan pnoporsi belqjar selain mengerjakan PR, libatkzm kedua kakak P dalam kegiatan belajar, dan lakukanjbllow agp.

---

Study habit is a technique which is attained in a student by the time he gets study materials, reading books, does school works and manages his time in order to iinish his work (Djaali, 2008). Effective study habit at home is marked by: studying regularly, preparing everything which is needed before going to school the next day, and being used to study for understanding the study topic (Liang Gie, 1995).

The aim ofthis program is to modify unregular study habit at home into regular study habit by behavior modification wh ich uses the principal of positive reinforcement. Subject in this research is P, a first grader who is 6 years 8 months old.

After intervention, P succeeded in studying regularly, so it can be concluded that positive reinforcement is effective in shaping study habit. For tirture research the suggestions are the learning material studied should focus on only one sujea, an additional program should be designed to develop intemal motivation, time for leaming new materiats should be increased besides doing homework, the program should be implemented on both P’s sibling, and follow up is needed."

"Pengendalian ketinggian atau biasa disebut Level Controller adalah hal yang penting di berbagai bidang industri, termasuk industri kimia, industri minyak bumi, industri pupuk, industri otomatif dan lain-lainnya. Pada penelitian ini, dirancang sebuah pengendali non-konvesional menggunakan Reinforcement Learning dengan Twin Delayed Deep Deterministic Polic Gradient (TD3). Agent ini diterapkan pada sebuah miniature plant yang berisi air sebagai fluidanya. Miniature plant ini disusun dengan berbagai komponen yaitu flow transmitter, level transmitter, ball-valve, control valve, PLC, dan pompa air. Kontroler agent TD3 dirancang menggunakan SIMULINK Matlab di computer. Data laju aliran dan ketinggian air diambil melalui flow transmitter dan level transmitter yang dikoneksikan dengan OPC sebagai penghubung antara Matlab ke SIMULINK. Penerapan agent TD3 pada sistem pengendalian ketinggian air digunakan pada dua kondisi yaitu secara riil plant dan simulasi. Dari penelitian ini didapatkan, bahwa kontroler agent TD3 dapat mengendalikan sistem dengan baik. overshoot yang didapatkan kecil yaitu 0,57 secara simulasi dan 0,97 secara riil plant.

---

In this study, the level controller is the most important in many industry fields, such as chemical industry, petroleum industry, automotive industry, etc., a non-conventional controller using Reinforcement Learning with Twin Delayed Deep Deterministic Policy Gradient (TD3) agent was designed. This agent was implemented in water contain the miniature plant. This miniature plant consists of many components: flow transmitter, level transmitter, ball-valve, control valve, PLC, and water pump. Agent controller was designed using SIMULINK Matlab on a computer, which obtained flow rate and height information comes from flow transmitter and level transmitter connected to OPC that link between Matlab to SIMULINK. Implementation of TD3 to control water level system used two conditions, in real plant and simulation. In this study, we obtain that the TD3 agent controller can control the designs with a slight overshoot value, namely 0,57 in the simulation and 0,97 in the real plant."

"Pengendalian proses di industri desalinasi sangat penting untuk mengoptimalkan operasi dan mengurangi biaya produksi. Pengendali proporsional, integral, dan derivatif (PID) umum digunakan, namun tidak selalu efektif untuk sistem coupled-tank yang kompleks dan nonlinier. Penelitian ini mengeksplorasi penggunaan algoritma reinforcement learning (RL) dengan algoritma Deep Deterministic Policy Gradient (DDPG) untuk mengendalikan ketinggian air pada sistem coupled-tank. Tujuan penelitian ini adalah merancang sistem pengendalian ketinggian air menggunakan RL berbasis programmable logic controller (PLC) untuk mencapai kinerja optimal. Sistem diuji pada model coupled-tank dengan dua tangki terhubung vertikal, di mana aliran air diatur untuk menjaga ketinggian air dalam rentang yang diinginkan. Hasil menunjukkan bahwa pengendalian menggunakan RL berhasil dengan tingkat error steady-state (SSE) antara 4,63% hingga 9,6%. Kinerja RL lebih baik dibandingkan PID, dengan rise time dan settling time yang lebih singkat. Penelitian ini menyimpulkan bahwa RL adalah alternatif yang lebih adaptif untuk pengendalian level cairan di industri dibandingkan dengan metode konvensional.

---

Process control in the desalination industry is crucial for optimizing operations and reducing production costs. Proportional, integral, and derivative (PID) controllers are commonly used but are not always effective for complex and nonlinear coupled-tank systems. This study explores the use of reinforcement learning (RL) with the Deep Deterministic Policy Gradient (DDPG) algorithm to control the water level in a coupled-tank system. The objective of this research is to design a water level control system using RL based on a programmable logic controller (PLC) to achieve optimal performance. The system was tested on a coupled-tank model with two vertically connected tanks, where the water flow is regulated to maintain the water level within the desired range. Results show that control using RL achieved a steady-state error (SSE) between 4.63% and 9.6%. RL performance was superior to PID, with faster rise and settling times. This study concludes that RL is a more adaptive alternative for liquid level control in industrial settings compared to conventional methods."

"ABSTRAKGangguan ADHD meliputi gangguan pada inatensi, impulsivitas, dan aktivitas dengan gerakan yang berlebihan (hiperaktif). Beberapa gejala yang ditampilkan pada anak ADHD tersebut menunjukkan lemahnya perilaku on-task anak saat belajar. Dalam konteks belajar, perilaku on-task merupakan perilaku dimana anak duduk dengan badan tegak, mata memandang pada pekerjaan akademiknya, memandang sekilas ke arah selain tugasnya kurang dari 3 detik, menulis jawaban pada lembar soal, dan atau menanyakan pertanyaan seputar akademik. Pada penelitian ini, peneliti memberikan intervensi Modifikasi Perilaku menggunakan teknik Positive Reinforcement dengan Token Economy dan Social Reinforcement serta Prompts pada anak usia sekolah dasar (7 tahun). Intervensi pada penelitian ini adalah 10 sesi dimana pada tiap sesi terdapat target durasi untuk mempertahankan perilaku on-task. Terdapat peningkatan target durasi secara perlahan pada setiap sesi hingga mencapai target 7 menit di sesi akhir. Penelitian ini efektif dalam meningkatkan durasi perilaku on-task pada anak ADHD usia 7 tahun. Terdapat juga beberapa diskusi mengenai peningkatan perilaku on-task pada anak ADHD.

---

ABSTRACTSymptoms of ADHD include inattention, impulsivity, and hiperactivity. Those symptoms show the lacking of on-task behavior when the child of ADHD has a task. In context of learning, on-task behavior is an attitude that children sit upright, look up straight to the task, glance to something else for less than 3 seconds, write the answer on worksheet, or ask questions about the task. In this research, researcher applies intervention of Behavior Modification using Positive Reinforcement technique by Token Economy and Social Reinforcement, and Prompts for a school-aged child (year of 7). This intervention has 10 sessions that each session has duration target to maintain on-task behavior. The target of duration increases slowly for each session until duration of last session is 7 minutes. This research is effective in increasing duration of on-task behavior for 7 years-old child with ADHD. There are also some discussions about increasing on-task behavior for ADHD children."