Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Tuberculosis TB masih menjadi salah satu masalah utama kesehatan di dunia. Masalah penyakit TB menjadi lebih rumit karena munculnya penyakit Multidrug Resistant Tuberculosis MDR-TB . Masalah kontrol optimal pada pengontrolan penyebaran penyakit TB dan MDR-TB dilakukan dengan memberikan intervensi berupa pemberian vaksin BCG u1 , pengobatan OAT lini pertama u2 , dan pengobatan OAT lini kedua u3 . Tujuan dari masalah kontrol optimal pada skripsi ini adalah untuk meminimalkan jumlah individu terinfeksi sekaligus meminimalkan biaya dari setiap intervensi kesehatan yang diberikan. Kontrol optimal diperoleh dengan menerapkan prinsip minimum Pontryagin, kemudian diselesaikan secara numerik dengan metode gradient descent. Dilakukan simulasi numerik untuk beberapa skenario. Hasil simulasi numerik menunjukkan bahwa kombinasi dari ketiga intervensi yang diberikan dapat mengurangi jumlah individu terinfeksi serta meminimumkan biaya intervensi yang diberikan pada semua skenario.

---

ABSTRACT
Tuberculosis TB remains one of top world rsquo s health problem. Problem of TB becomes more complicated because of the presence of Multidrug Resistant Tuberculosis MDR TB . Optimal control problem on controlling TB and MDR TB transmission with giving intervention, namely BCG vaccination u1 , treatment with first line anti TB drug u2 , and treatment with second line anti TB drug u3 . Optimal control problem aims to minimize the number of infected individuals also minimize cost of the interventions that given. Optimal control derived using Pontryagin minimum principle and then solved numerically using the gradient descent method. Numerical simulations are performed for some scenarios. The results from numerical simulation show that the combination of the three interventions given can reduce the number of infected individuals and minimize the cost of the interventions given in all of scenarios.

Abstrak :
Proses kontrol canggih telah ada sejak tahun 1960-an dan digunakan untuk menyelesaikan berbagai macam masalah kontrol. Sebagian besar algoritma kontrol canggih pada tahun 1960-an adalah turunan dari algoritma kontrol Proportional-Integral-Derivative (PID). Meskipun 90% dari seluruh masalah kontrol dapat diselesaikan dengan menggunakan algoritma kontrol PID, algoritma tersebut memiliki beberapa kekurangan dalam penanganan batasan nilai variabel kontrol, proses non-minimum phase, perubahan parameter sistem, dan kemudahan penerapan dalam proses multi-variabel yang besar. Penggunaan algoritma kontrol yang lebih canggih dari algoritma kontrol PID tertahan oleh daya komputasi yang dapat ditawarkan oleh komputer digital pada saat itu. Salah satu algoritma kontrol canggih yang dikenal karena kemampuannya menangani kekurangan yang dimiliki oleh algoritma kontrol PID adalah Model Predictive Control (MPC). MPC bekerja dengan menghitung perilaku sistem selama interval waktu yang terbatas ke masa depan dengan menggunakan model yang dimiliki oleh sistem untuk memprediksi perilaku sistem di masa depan. MPC lebih banyak digunakan untuk menyelesaikan masalah kontrol tertentu karena kemampuannya dalam menambahkan hard state (state yang tidak dapat dilanggar), batasan input, dan kriteria kinerja yang sesuai dalam perancangan sistem kontrol. Namun, karena MPC mengandalkan model sistem untuk memprediksi perilaku masa depan dari sistem yang dikontrol, penggunaan MPC untuk mengontrol sistem terbatas karena sistem tertentu memiliki model yang sangat kompleks untuk diformulasikan. Terlepas dari kekurangan yang dimiliki MPC, penulisan skripsi ini diperuntukkan untuk melihat kelebihan dan kemudahan penerapannya dalam menyelesaikan masalah kontrol optimum. Untuk itu, evaluasi MPC sebagai sistem perencanaan lintasan lokal dan penghindaran tabrakan akan dilakukan. Evaluasi dalam skripsi ini akan menggunakan program simulasi berbasis ROS yang disebut Gazebo dan Rviz dengan Python sebagai bahasa pemrogramannya agar memudahkan bagi siapa saja yang ingin mengimplementasikan MPC sebagai pengontrol sistem dan memberikan media pembelajaran bagi yang ingin belajar mengenai MPC. Kesimpulan yang didapatkan dari hasil skripsi ini adalah MPC memiliki potensi yang sangat tinggi dalam menyelesaikan masalah kontrol optimum karena kemampuannya dalam memberikan kontrol yang optimal untuk sistem, walaupun diperlukan proses komputasi yang cukup besar sehingga waktu pemrosesan menjadi lambat dengan konfigurasi yang dilakukan pada skripsi ini. ...... Advanced process control has been around since 1960s and is used to solve numerous control problems. Most advance control algorithms in 1960s were the derivation of the classical Proportional-Integral-Derivative (PID) controller algorithm. Although 90% of all control problems can be solved using PID control, it has several drawbacks when it comes to handling constraints, non-minimum phase processes, changes in system parameters, and its straightforward applicability to large, multi-variable processes. The usage for a more advanced control algorithm that is able to tackle those drawbacks was held back by the computational power that the digital computer can offer at that time. One of the advance control algorithms that is known for its ability to handle these drawbacks is called Model Predictive Control (MPC). MPC works by calculating the system behavior over a finite time interval into the future using the system model to predict the future system behavior. It is favorable to solve certain control problems because of its ability to explicitly add hard states (states that cannot be violated), input constraints, and suitable performance criterion into the controller design. However, because MPC relies the system model to predict the future behavior of the controlled system, the ability to implement MPC for system control is decreased because certain system has very complex model to formulate. Apart from the disadvantages of MPC, this thesis explores the advantage and its applicability in solving optimal control problem. For that, the use of MPC for a differential drive robot local planner and obstacle avoidance is evaluated. The evaluation in this thesis will use ROS based simulation environment called Gazebo and Rviz with Python as its programming language so that it is easier for anyone who wants to implement MPC as their system controller and to provide learning case for beginners who wants to start with MPC. At the end of this thesis, it is shown that MPC has a very high potential in solving optimal control problem because of its ability to give optimal control to the system, although it requires quite amount of computational power that makes the processing time slow with the configurations that is done in this thesis.

Abstrak :
Malaria merupakan penyakit infeksi disebabkan oleh parasit Plasmodium yang hidup danberkembang biak dalam sel darah merah manusia. Penyakit malaria ditularkan oleh nyamukmalaria Anopheles betina. Hingga saat ini Indonesia masih tergolong negara endemikmalaria. Pencegahan malaria pada daerah endemik yang dilakukan oleh pemerintahsaat ini salah satunya adalah dengan pembagian kelambu atau kelambu berinsektisida.Selain itu, pencegahan lain yang paling popular dan sering dilakukan oleh masyarakatadalah dengan fumigasi. Namun, terdapat beberapa kendala yang timbul akibat penggunaanfumigasi diantaranya adalah biaya yang besar dan penggunaan fumigasi terusmenerusdapat berdampak buruk pada lingkungan. Perbedaan musim berpengaruh terhadapekspektasi hidup nyamuk Anopheles betina. Dalam skripsi ini akan dikonstruksi model penyebaran penyakit malaria dengan fumigasi dan penggunaan kelambu yang dapatmenangkap fenomena yang terjadi di lapangan. Model tersebut merupakan model deterministikyang dikembangkan menjadi masalah kontrol optimal. Strategi pengendalianpenyebaran penyakit malaria dengan menggunakan fumigasi dilakukan guna membasminyamuk pembawa penyakit malaria dengan biaya fumigasi yang minimal. Prinsip Pontryagin digunakan untuk memperoleh karakteristik masalah kontrol optimal. Intervensi fumigasiyang diberikan tidak berlangsung sepanjang waktu, dalam hal ini intervensi direpresentasikansebagai hasil transformasi fungsi kontinu menjadi fungsi semi-diskrit. Hasil simulasi numerik menunjukkan bahwa intervensi fumigasi dapat mengurangi jumlah populasimanusia terinfeksi penyakit malaria. Dalam memilih strategi kontrol optimal lebihbaik mendahulukan strategi endemic prevention dibandingkan dengan strategi endemicreduction. Namun, guna mendapatkan hasil intervensi yang lebih efektif perlu memperhatikannilai R0. Lingkungan yang berpotensi endemik R0 > 1 membutuhkan pemberianintervensi fumigasi yang lebih tinggi dibandingkan dengan lingkungan yang tidakberpotensi endemik R0 < 1. Selain itu, kombinasi penggunaan kelambu dan intervensifumigasi dapat mereduksi jumlah nyamuk dan manusia terinfeksi malaria dengan biayayang lebih minimal. Pada saat laju kematian alami nyamuk bergantung pada musim,diberikan intervensi fumigasi yang lebih tinggi ketika musim hujan dan akan menurunketika musim kemarau. ......Malaria is an infectious disease caused by Plasmodium parasites that live and multiplyin human red blood cells. Malaria is transmitted by malaria mosquitoes Anophelesfemales. Until now Indonesia is still classified as an endemic malaria country. Preventionof disease in endemic areas conducted by the government at this time one of them is bya division of mosquito nets or insecticide treated nets. Besides, the most popular andoften done prevention by the community is by fumigation. However, some obstaclesarise due to the use of fumigation such as significant costs, and the use of continuousfumigation can have an adverse impact on the environment. Seasonal differences affectthe life expectancy of Anopheles female mosquitoes. In this paper will be constructeda model of malaria disease distribution with fumigation and use of mosquito net thatcan catch phenomenon that happened in the field. The model is a deterministic modeldeveloped into an optimal control problem. The strategy of controlling the spread ofmalaria by using fumigation is done to eradicate the mosquito carrying malaria diseasewith minimal fumigation cost. The Pontryagin principle is applied to obtain optimalcontrol problem characteristics. The given fumigation intervention does not take placeover time, in which case the interference is represented as a result of the transformationof a continuous function into a semi discrete role. The effect of numerical simulation shows that fumigation intervention can reduce the number of a human population infected with malaria disease. In choosing an optimal control strategy, it is better to prioritize theendemic prevention strategy than the endemic reduction strategy. However, to get more effective interventions, it is necessary to pay attention to the value of R0. A potentiallyendemic R0 1 environment requires a higher fumigation intervention than a situationwith no potential endemic R0 1. Also, a combination of the use of mosquito nets andinterventions fumigation can reduce the number of mosquitoes and humans infected withmalaria at a more minimal cost. As the natural rate of death of mosquitoes depends onthe season, the number of infected mosquitoes and humans will increase during the rainyseason and will decrease during the dry season.