Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada sistem kendali konvensional, batasan-batasan seperti amplitudo dan slew rate sinyal kendali tidak diperhitungkan pada proses pengendalian. Hal ini tentu dapat menyebabkan hasil kendali menjadi kurang baik, terutama jika terjadi pemotongan paksa terhadap sinyal kendali sebelum masuk ke plant. Untuk mengatasi hal tersebut dirancanglah suatu pengendali Model Predictive Control (MPC). Dengan MPC, keluaran proses yang akan datang dapat diprediksi dan batasan-batasan yang ada tidak diabaikan sehingga keluaran sistem menjadi bagus. Selain keluaran sistem menjadi bagus, adanya batasan juga dapat membuat kinerja alat menjadi optimal. Skripsi ini bertujuan untuk merancang jenis pengendali Model PredictiveControl (MPC) yang akan diterapkan pada sebuah sistem nyata Level/Flow and Temperature Process Rig 38-003 dengan metode Quadratic Programming. Dalam merancang pengendali MPC untuk Level/Flow and Temperature Process Rig 38-003 ini, penulis menggunakan model yang berbentuk ruang keadaan yang didapat dengan menggunakan metode Kuadrat Terkecil berdasarkan pada data masukan dan data variabel keadaan alat. Masukan sistem adalah tegangan untuk mengatur kondisi servo valve dan keluran yang akan dikendalikan adalah temperatur air hasil keluaran Heat Exchanger sebelum masuk ke sistem Radiator Cooler. Dari uji eksperimen terbukti bahwa metode pengendali MPC dengan constraints memberikan hasil yang lebih baik dibandingkan dengan metode pengendali Ruang Keadaan. Hal tersebut dapat dilihat dari tanggapan sistem hasil pengendalian MPC dengan constraints yang lebih halus dibandingkan dengan tanggapan sistem hasil pengendalian dengan metode pengendali Ruang Keadaan. Perubahan sinyal kendali pengendali MPC dengan constraints juga jauh lebih halus dibandingkan dengan perubahan sinyal kendali pengendali Ruang Keadaan. Kondisi ini akan meningkatkan ketahanan fisik sistem selama uji eksperimen.

---

In conventional control system, some constraints such as amplitude and control signal?s slew rate are not included in the controlling process. So, the result of the control process is not good enough especially if the control signal is forcibly cut before entering the plant. In order to overcome this problem, a Model Predictive Controller is designed. In this MPC control scheme, the few next steps of process output are going to be predicted and some constraints will be ignored so the system output will become precise. In other hand, the occurrence of constraints will improve system?s performance into an optimum condition.

The final purpose of this thesis is to design a Model Predictive Controller (MPC) using Quadratic Programming method which will be applied on a real time system of Level/Flow and Temperature Process Rig 38-003. In designing MPC controller for Level/Flow and Temperature Process Rig 38-003, the writer uses system?s model on state space form which is obtained by using Least Square method in the basis of input and state variables data of the plant. Input for the plant is voltage which will be used to control the position of servo valve whereas the controlled output is water temperature on the pipe that connects Heat Exchanger's output line and Radiator Cooler's input line.

Experiments conducted prove that MPC with constraints controlling scheme will give a better results than State Controller controlling scheme. Generally, it can be seen that system response to MPC controller is much smoother than system response to State Controller. MPC controller also has smoother control signal variance compared to State Controller control signal variance. This condition will actually raise the system's physical reliability during the experiment."

"Pada tahun 2015 Penyakit Paru Obstruktif Kronik (PPOK) menyebabkan kematian rata-rata sekitar 5% di dunia dan jumlah kejadian PPOK di Indonesia rata-rata sebesar 3,7%. Salah satu komplikasi yang dapat dialami oleh pasien PPOK adalah nocturnal hypoxemia yaitu kurangnya asupan oksigen pada waktu malam hari. Keadaan ini akan semakin diperberat jika pasien PPOK juga menderita gangguan tidur berupa Obstructive Sleep Apnea (OSA). OSA adalah gangguan tidur yang disebabkan oleh saluran napas yang tersumbat dan menyebabkan jeda sementara saat napas minimal 10 detik. Ketika PPOK dan OSA terjadi disaat yang bersamaan dapat menyebabkan dua kali lipat kondisi tidak nyaman saat bernapas. Tujuan dari penelitian ini adalah menentukan model prediksi risiko terjadinya Obstructive Sleep Apnea (OSA) pada pasien PPOK berdasarkan faktor-faktor yang memengaruhi risiko terjadinya OSA pada pasien PPOK. Data yang digunakan dalam penelitian ini adalah data primer pasien PPOK yang telah terdiagnosis oleh dokter di RSCM dengan mewawancarai menggunakan kuesioner Berlin dan pemeriksaan fisik seperti mengukur lingkar leher dan lingkar pinggang. Sampel yang dipilih menggunakan non-probability sampling dengan metode purposive sampling. Sampel pada penelitian ini adalah pasien PPOK sebanyak 111 pasien. Metode yang digunakan adalah regresi logistik biner untuk memprediksi model risiko terjadinya OSA pada pasien PPOK. Hasil yang didapatkan untuk faktor-faktor yang berpengaruh signifikan terhadap risiko terjadinya OSA pada pasien PPOK adalah lingkar pinggang dan Kuesioner CAT 2 (PPOK derajat berat) yang berarti pasien PPOK dengan derajat berat. Pasien PPOK berderajat berat lebih berisiko terkena OSA sebesar 4,39 kali lebih besar dibandingkan pasien PPOK berderajat ringan hingga sedang dan setiap kenaikan 1 cm lingkar pinggang pada pasien berisiko terjadinya OSA. Hasilnya menunjukan bahwa pasien PPOK derajat berat lebih berisiko terjadinya OSA dibandingkan yang tidak. Keakuratan model tersebut dihitung menggunakan tabel klasifikasi pada cut point 0,5, diperoleh tingkat ketepatan klasifikasi sebesar 73,9%.

---

Chronic Obstructive Pulmonary Disease (COPD) has caused death of around 5% in the world and 3.7% in Indonesia. One of the complications that can be experienced by patients with COPD is nocturnal hypoxemia, which is the lack of oxygen intake at night. This situation will be more aggravated if patients with COPD also suffer from sleep disorder which is called Obstructive Sleep Apnea (OSA). OSA is a sleep disorder caused by a blocked airway and led to a temporary pause while breathing for at least 10 seconds. When COPD and OSA occur at the same time, it can create double discomfort while breathing.

The purpose of this research is to determine prediction model occurrence OSA risk in COPD patient based on factor affecting the risk of OSA occurring in COPD patients. Data used in this research is primary data from COPD patients who is diagnosed by doctor at RSCM by interviewing them using Berlin questionnaire and physical examination such as measuring the circumference of neck and waist.

This study uses non-probability sampling i.e. purposive sampling method. Sample of this research is 111 patients with COPD. This research uses binary logistic regression to predict model occurrence of OSA risk in COPD patients. This study shows that waist circumference and COPD Assessment Test (CAT) 2 questionnaire (COPD patients with severe degree) are significant factor of OSA on COPD patient. In addition, COPD patients with severe degree are 4.39 times greater risk suffer from OSA than mild to moderate COPD patients and each centimetre increase of waist circumference has higher risk of OSA. Accuracy of our model is estimated using classification table with cut point at 0.5 and its accuracy is 73,9%."