Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian fenomena kecepatan benda bergerak di dalam air sudah banyak dilakukan baik yang vertikal maupun yang horisontal dengan berbagai cara. Ada beberapa hal yang masih perlu diteliti untuk dapat menjelaskan studi ini. Tujuan dari penelitian ini adalah untuk mengukur kecepatan jatuh pada bola dalam air dengan menggunakan 2 (dua) buah laser pointer dan 2 (dua) buah receiver. Tiga bola baja dengan diameter berbeda digunakan sebagai alat uji benda jatuh. Ketiga bola tersebut adalah S I (rn5 = 67 gr, ds= 25,4 mm), S2(ms = 80 gr, d5 27,0 mm) dan S3 (ms = 226 gr, ds= 38,1 mm), diukur pada 3 buah keadaan yang berbeda, yaitu jarak jatuh (Ls) 0,675 m ; 0,75 m dan 0,825 m. Dari hasil percobaan ini menunjukkan bahwa bola dengan diameter yang lebih besar mempunyai kecepatan jatuh yang besar. Secara teoritis, kecepatan jatuh benda dapat dianalisa dengan persamaan Basset-Boussinesq-Oseen yang diselesaikan dengan cara metode numerik. Hasil percobaan tersebut akan diplot ke dalam grafik yang berasal dari persamaan Basset-Boussinesq-Oseen (MO).

---

The study about the phenomenon of velocity of a free-falling sphere in water has been investigated in vertically or horizontally. It is necessary to research the motion to elucidate this study.

The purpose of this study is to measure the fall velocity of a sphere in water by means of two laser pointers and two receivers. Three spheres in different diameter were tested. The three of sphere are S1 (m5= 67 gr., ds= 25,4 mm), S2 (m5= 80 gr., d5= 27,0 mm) and S3 (ms= 226 gr., ds= 38,1 mm. Which is measured in three different situation, fall distance (L5) 0.675 m; 0.75 m and 0.825 m. From the experimental results, it was shown that the sphere which higher diameter has higher fall velocity.

Theoritically, fall velocity of sphere can be analyzed using Basset-Boussinesq-Oseen equation that solved numerically. The experimental results will be plotted on a graph which from calculated results using Basset-Boussinesq-Oseen equation (BBO)."

"Pemilihan semblance secara otomatis merupakan metode analisa kecepatan yang dikembangkan untuk mencapai hasil yang maksimal. Hasil ini tentunya berkorelasi dengan koreksi NMO dan kualitas penampang seismik yang terbentuk. Semblance merupakan salah satu atribut koherensi pembentuk spektrum kecepatan yang mewakili hubungan satu nilai kecepatan dengan hasil koreksi NMO-nya. Sedangkan nilai semblance itu sendiri adalah rasio energi keluaran terhadap energi masukan sinyal seismik yang telah dikoreksi NMO. Hal ini berarti, nilai semblance maksimum mewakili hasil koreksi NMO yang paling tepat (datar). Dalam metode ini dilakukan pemilihan nilai-nilai semblance maksimum secara otomatis pada setiap interval waktu tertentu. Dengan begitu, didapat nilai kecepatan NMO dan kecepatan stacking yang paling tepat, serta kualitas penampang seismik yang baik. Selain itu, dari metode ini juga didapat penampang model kecepatan yang serupa dengan kondisi perlapisan bawah permukaan, termasuk kisaran nilai kecepatan rms dan intrerval di masing-masing lapisan.

---

Semblance automatic picking is velocity analysis method which is developed to achieve maximum result. This result definitely correlate with NMO correction and seismic section performance. Semblance is one of the coherency atribut forming velocity spectrum that represent the correlation between velocity value and its NMO correction result. While the semblance value itself is output to input energy ratio of seismic signals that have been NMO corrected. This mean, the maximum semblance value represent the best NMO correction result. In this method, the maximum semblance is picked automaticly at certain time interval. Doing that way will give the most precise NMO and stacking velocity value, and also produce a good quality seismic section. In addition, this method also produce velocity model sections that fit with subsurface layering condition, including the range of rms and interval velocity value at every layer."

"Tujuan pembatasan kecepatan adalah untuk menyeimbangkan minat mobilitas dan keselamatan dengan memastikan batas kecepatan yang aman dan sesuai untuk tingkat pengembangan sisi jalan dan kategori jalan Perbedaan karakteristik wilayah, karakteristik lalu lintas, kondisi jalan dan kondisi lingkungannya, berakibat terhadap terjadinya perbedaan dari faktor-faktor yang harus dipertimbangkan dalam menetapkan batas kecepatan maksimumnya. Dengan kriteria penentuan batas kecepatan pada jalan di Indonesia, maka penentuan batas kecepatan pada suatu ruas jalan akan lebih optimal. Menunjuk hal tersebut, sebagai awal, penelitian ini dilakukan dengan metode studi kasus pada jalan Sultan Agung dan jalan Sudirman, Kota Bekasi yang merupakan representasi dari jalan arteri primer dengan karakteristik geometrik jalan adalah jalan empat lajur dua arah t per lajur 3,5 meter, lebar trotoar 1,5 meter dan median < 0,5 meter serta geometrik jalan datar dan lurus.Metode stastistik digunakan untuk mengetahui hubungan antara kecepatan dengan faktor-faktor yang mempengaruhinya. Dari hasil analisis diketahui frekuensi kecepatan perjalanan tertinggi adalah pada selang kelas 36-42 km/jam. Diagram % kumulatif menunjukkan kecepatan pada persentil 85 adalah 42 km/jam dan faktor yang yang perlu dipertimbangkan dalam penentuan batas kecepatan maksimum adalah hambatan samping dan volume lalu lintas, dengan model hubungan kecepatan adalah y = 45,7385?0,0047xvolume laulintas (smp/jam)-0,0194xhambatan samping.

---

The purpose of speed limitation is to balance interest of mobility and safety by ensuring a safe and appropriate speed limit for the level of road side development and road characteristics. The differences based on road categories, traffic characteristics, road conditions and environmental conditions, have led to the occurrence of difference factors that must be considered in determining the maximum speed limit. By using the criteria of determining the speed limits on roads in Indonesia, then the speed limit determination on a road would be optimal. In respect in this case, this research was conducted by a case study on Sultan Agung and Sudirman street ? Bekasi, which represent a primary arterial road. The roads geometric characteristics are a divided four-lane two-way road (4 / 2 D), 3.5 meters lane width, 1.5 meters sidewalks width, a median of <0.5 meters and straight flat road geometric.Statistics methods are used to determine relationship between speed and the influence factors. Analysis results indicated the highest frequency of travel speed is at interval class 36-42 km / hour (25%). Cumulative diagram shows the 85th percentile speed is 42 km / h and factors to consider in determining maximum speed limit is side barriers and traffic volume, with velocity relationship model is y = 45.7385-0.0047 x traffic volume (smp / h)-0.0194 x side barriers."

"Semblance merupakan tool yang harus ada di dalam analisis kecepatan. Analisis kecepatan seismic gather secara konvensional hanya bisa mengamati perbedaan nilai dari kecepatan efektif moveout, menghitung semblance dari jlattenea’ gathers dan menghasilkan velocity spectra untuk velocity picking berikutnya. Semblance menjadi kurang efektif terhadap variasi kuat amplitudo sepanjang seismic event pada kasus dimana terjadi pembalikan polaritas amplitudo, sepelti misalnya pada kasus AVO kelas 2. Untuk mengatasi masalah ini dikembangkan algoritma untuk mengkoreksi pengukuran semblance terhadap variasi amplitudo, yaitu atribut semblance sebagai korelasi tren amplitudo pada CMP gathers. Pengukuran ini sangat efektif untuk analisa anomali AVO kelas 2 dan konversi gelombang.

---

The semblance measure has been an indispensable tool for velocity analysis. Conventional velocity analysis of seismic gathers scans different values of effective moveout velocity, computes semblance of flattened gathers and generates velocity spectra for later velocity picking. Semblance becomes troublesome in the case of strong variation of amplitudes along seismic events, a particular example is class II AVO anomalies that cause seismic amplitudes to go through a polarity reversal. To address this problem, developed algorithms for correcting the semblance measurement for amplitude variations, especially in the semblance attribute as a correlation with a trend at CMP gathers. This measure is particularly affective for analyzing class II AVO anomalies and converted Waves."

"Fenomena drag pada benda jatuh dapat terlihat dan kecepatan jatuh banda tersebut Secara teoritis, kecepatan jatuh banda dapat dianalisa dengan persamaan Bassat-Boussinesq-Oseen yang diselesalkan dengan cara metoda numerik. Dengan menggunakan 2 (dua) buah laser pointer dan dan 2 (dua) buah receiver, penulis mengukur kecepatan jatuh benda dalam air. Dengan membandingkan kecapatar teoritis dengan kecepatan hasil pengukuran, penulis ingin mengetahui kemampuan alai untuk mengukur kecepatan jatuh. Pada percobaan lni digunakan 3 jenis bola sebagal benda jatuh, yaitu S1 (ms 50.94 g, d,= 37.8333 mm), S2(m. 87.19 g, d,= 25.4375 mm) dan S3 (m, 64.72 g, d,= 32.7833 mm), diukur pada 4 buah keadaan yang berbeda, yaitu jarak jatuh (L.) 0.65 m, 0.75 m, 0.9 m dan 0.375 m. Disimputkan dari percobaan ini bahwa alat dapat bekelja dengan baik pada daerah terminal velocity, dengan syarat uniUk pengukuran jarak jatuh yang sama jarak kedudukan antar laser dan receiver berbeda untuk setiap benda jatuh yang berbeda.

---

The drag phenomenon of falling sphere can be seen from sphere's fall velocity. Theoritically, sphere's fall velocity can be analysed using Basset-Boussinesq­ Oseen equation. Using two laser pointers and two receiver, the author measured sphere's fall velocity. By comparing theorilical velocity and measured velocity, the author would like to know the apparetus's ability to measure sphere's fall velocity. This experiment used three kind of sphere S1 (m, 50.94 g, d,= 37.8333 mm), S2(m, 57.19 g, d,= 25A375 mm) dan S3 (m, 54.72 g, d,= 32.7833 mm) which is measured in four kind of different situation, fall distance (LJ 0.65 m, 0.75 m, 0.9· m and 0. 375 m. The conctution of this experiment is the apparatus can work well in tenninal velocity range, under condition for same measurement condition, the setting for laser and receiver is differrent for each differant sphere."

"Setelah menemukan keunggulan maupun kelemahan algoritma Variable Learning Rate with Momentum, Levenberg-Marquardt dan Resilient Backpropagation, khususnya dalam kasus pengendalian kecepatan motor induksi, diharapkan rancangan dapat memberikan unjuk kerja yang baik dalam kondisi rawan derau dan penggunaan rangkaian tambahan untuk implementasi paralel berskala besar dapat dihindari. Tahap simulasi dan pengujian sistem terdiri atas pencarian arsitektur optimal, pelatihan dengan menyertakan data validasi (penghentian dini) dan data uji serta uji ketahanan terhadap derau. Tahap pertama bertujuan menemukan arsitektur model pengendali yang optimal, dalam arti menghasilkan fungsi kinerja terendah dalam waktu pelatihan yang relatif singkat. Tujuan tahap kedua ialah memeriksa pengaruh data validasi dan uji terhadap unjuk kerja sistem. Pada kedua tahap awal ini, kemampuan model untuk memperkirakan plant acuan diperiksa dengan metode regresi linier. Sementara pada tahap ketiga akan diperiksa pengaruh derau terhadap kemampuan model untuk mengikuti kecepatan rotor acuan. Berdasarkan percobaan yang dilakukan diambil kesimpulan sebagai berikut. Dengan integrasi sistem yang nyaris identik dengan plant acuan, model pengendali hasil pelatihan dengan algoritma Varible Learning Rate with Momentum, Levenberg-Marquardt maupun Resilient Backpropagation mampu mengikuti kecepatan sudut acuan ?r* dengan baik saat disimulasikan. Fungsi kinerja terbaik diberikan oleh model dengan algoritma Levenberg-Marquardt, yaitu 5,49478 x 10-9 rad_/s_ dengan regresi linier A = T ? 0,0254 dimana R = 1. Karena regresi liniernya menurun drastis, yaitu dari A = T ? 0,127 dan R = 1 menjadi A = 1,2T ? 8,06 dan R = 0,954, dan saat disimulasikan memberikan tanggapan yang tidak stabil, pelatihan dengan algoritma Resilient Backpropagation tidak cocok menyertakan validasi dan pengujian; paling tidak dalam kasus model motor induksi ini. Sebaliknya model Levenberg-Marquardt menghasilkan regresi linier yang semakin baik setelah dilatih dengan validasi dan uji, yaitu A = T ? 0,0238 dan R = 1. Dengan frekuensi derau 10 Hz, model pengendali dengan algoritma Varible Learning Rate with Momentum, Levenberg-Marquardt maupun Resilient Backpropagation mampu menunjukkan unjuk kerja yang baik. Semakin tinggi frekuensi dan intensitas daya derau, unjuk kerja sistem cenderung semakin buruk. Model Levenberg-Marquardt menghasilkan galat mutlak rata-rata terendah yakni 4,703 rad/s pada power spectral density derau 10-3 dB/Hz.

---

Founding advantages and disadvantages of Variable Learning Rate with Momentum, Levenberg-Marquardt and Resilient Backpropagation algorithms, especially on induction motor speed controlling case, the design were hopefully able to give good performance under noise environment and additional circuit for large scale parallel implementations could be avoided. The system?s simulation and testing steps were optimal architecture search, training with validation (early stopping) and testing data, and noise resistance test. The first step?s objective was to find an optimal controller model?s architecture by means of the lowest performance function under relatively short training time. The second?s objective was to check validation and testing influence to system?s performance. On both these steps, the model?s ability to approximate the reference plant was being checked by linear regression method. On the third step, the noise influence to the model?s ability to track the reference rotor speed was being observed. Based on experiments being held, conclusions are enlisted following. With a system integrated closely similar to the reference plant, the controller models of the algorithms? training results are able following reference angular speed ?r* well. The best performance function is 5,49478 x 10-9 rad_/s_ which belongs to Levenberg-Marquardt algorithm?s model, with A = T ? 0.0254 and R = 1 linear regression. Due to linear regression?s drastic reduction from A = T ? 0.127 and R = 1 into A = 1.2T ? 8.06 and R = 0.954 and unstable response when being simulated, validation and testing assistance on training are unfit for Resilient Backpropagation algorithm; at least on this case. On contrary the Levenberg-Marquardt model produces better linear regression after being trained with validation and testing, i.e. A = T ? 0.0238 and R = 1. With 10 Hz noise frequency, all controller models with Varible Learning Rate with Momentum, Levenberg-Marquardt and Resilient Backpropagation algorithms are able to show good performance. The higher the noise frequency and power intensity, the system?s performance tends to get worse. Levenberg-Marquardt model produces the lowest mean absolute error, i.e. 4.703 rad/s on 10-3 dB/Hz noise power spectral density."