Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPada sistem kendali konvensional, batasan-batasan seperti amplitudo dan slewrate sinyal kendali tidak diperhitungkan pada proses pengendalian. Hal ini tentudapat menyebabkan hasil kendali menjadi kurang baik, terutama jika terjadipemotongan paksa terhadap sinyal kendali sebelum masuk ke plant. Untukmengatasi hal tersebut dirancanglah suatu pengendali MPC. Dengan MPC,keluaran proses yang akan datang dapat diprediksi dan batasan-batasan yang adatidak diabaikan sehingga keluaran sistem menjadi bagus. Selain keluaran sistemmenjadi bagus, adanya batasan juga dapat membuat kinerja alat menjadi optimal.Pada skripsi ini, sistem yang akan dikendalikan dengan metode MPC denganconstraints adalah Coupled-Tank Control Apparatus PP-100. Model yangdigunakan pada perancangan pengendali berbentuk ruang keadaan yang didapatdengan menggunakan metode Kuadrat Terkecil berdasarkan pada data masukandan data variabel keadaan alat. Masukan sistem adalah tegangan pompa padatangki pertama dan keluaran yang akan dikendalikan adalah ketinggian air padatangki kedua.Dari uji eksperimen terbukti bahwa metode pengendali MPC dengan constraintsmemberikan hasil yang lebih baik dibandingkan dengan metode Aturan KendaliKenaikan. Hal tersebut dapat terlihat dari tanggapan sistem, dimana tanggapansistem dengan menggunakan metode MPC lebih cepat serta tidak adanyaovershoot maupun undershoot pada keluaran sistem saat terjadi perubahan nilaitrayektori acuan.

---

ABSTRACTIn conventional control system, constraints, such as amplitude and slew rate ofinput signal are not computed in control process. This matter of course can makethe control result become worst, especially when force cutting occur to inputsignal before it enters to the plant. To solve those problems, a MPC controller isdesigned. With MPC, process output can be predicted and the existence ofconstraints will not be ignored and, as the result, it makes output system becomewell. Besides improve output system quality, the existence of the constraints canalso make the device works at optimum condition everytime.In this following final thesis, system that will be controlled with MPC withconstraints method is Coupled-Tank Control Apparatus PP-100. Model that isused in controller design has state space form. This model is got by use LeastSquares method based on input and state variable data. Input system is pump infirst tank and output that will be controlled is water level in second tank.Experiments prove that MPC with constriants give better result than IncrementalControl method. With MPC, system response become faster and there are noovershoot nor undershoot when the set point change."

"Jaringan Saraf Tiruan (JST) merupakan suatu model matematis yang dewasa ini banyak digunakan dan algoritma pembelajarannya merupakan hal yang menarik untuk dipelajari. Pada skripsi ini, akan dibahas mengenai JST berbasis Radial Basis Function (RBF) dan perbandingannya dengan JST berbasis backpropagation yang dewasa ini banyak digunakan. Optimasi JST ensemble dengan algoritma Negative Correlation Learning (NCL) berbasis RBF juga akan dilakukan pada skripsi ini. Set data yang akan digunakan selama percobaan adalah data UC Irvine Machine Learning Repository (UCI) dan citra manusia cahaya tampak dan infra merah.

---

Artificial neural network is a mathematical model that nowadays has been applied widely and its learning algorithm has become an interesting object to learn. This thesis is going to discuss artificial neural network based on Radial Basis Function (RBF) and its comparison with backpropagation that has been widely purposed. Afterward, optimation is conducted in term of ensemble artificial neural network with Negative Correlation Learning (NCL) algorithm based on RBF. The databases to use are UC Irvine Machine Learning Repository (UCI) and pictures of human face that are achieved from infra-red and visible-light cameras. "

"Backpropagation (BP) memiliki performa yang baik dalam mengklasifikasi citracitra wajah bertingkat iluminasi seragam. Namun untuk citra wajah yang bertingkat iluminasi beragam seperti pada aplikasi kamera pengintai maka BP akan kesulitan dalam mempelajari dan mengenalinya. Skripsi ini menggunakan metode Probabilistic Neural Network Teroptimasi (OPNN) sebagai Sistem Pengenal Wajah untuk spektrum gabungan infra merah dan cahaya tampak dengan intensitas yang berubah-ubah. Skripsi ini juga menggunakan metode Normalisasi dan Kompensasi Iluminasi untuk mengurangi dampak variasi iluminasi pada citra. Hasil penelitian menunjukkan bahwa performa OPNN untuk mengenali wajah akan meningkat jika Data Train yang digunakan berisi citra dengan tingkat iluminasi yang beragam, dimana Tingkat Rekognisi rata-rata OPNN 18.36% lebih tinggi dari BP.

---

Backpropagation (BP) has a good performance in classifying face images with uniform illumination level. But Backpropagation have difficulty in learning and recognizing face images with varied ilumination level such in surveillance camera. This thesis uses Optimized Probabilistic Neural Network (OPNN) method as Face Recognition System for the joint spectrum of infrared and visible light with varying intensity.

This thesis also uses uses Illumination Normalization and Compensation method to reduce the impact of illumination variance on the image. The research shows that OPNN performance to recognize face will increase if Train Data used contains images with varying levels of illumination, which recognition rate of OPNN is 18.36% higher than BP."

"Proses optimasi pada Probabilistic Neural Network (PNN) dapat dilakukan terhadap nilai smoothing parameter maupun struktur neuron. Setiap permasalahan memiliki nilai smoothing parameter optimal yang berbeda. Optimasi struktur neuron bertujuan untuk mereduksi banyak neuron yang digunakan sehingga dapat mempersingkat waktu komputasi. Skripsi ini membahas proses pencarian nilai smoothing parameter optimal menggunakan algoritma genetika dan struktur neuron optimal menggunakan algoritma ortogonal dalam sistem pengenal wajah. Terdapat dua jenis teknik optimasi yang akan dibahas, lalu membandingkan hasilnya dengan PNN struktur utuh dan backpropagation. Data wajah yang digunakan berupa foto infra merah dan cahaya tampak.

---

Optimization of Probabilistic Neural Network (PNN) can be performed to the value of smoothing parameter and neuron structure. Every problem has different value of smoothing parameter. Optimization of neuron structure aims to reduce the number of neurons used, in order to shorten computation time.

This thesis discusses the process of finding the optimal value of smoothing parameter using genetic algorithms and optimal neuron structure using orthogonal algorithms in face recognition system. Two types of optimization techniques which will be discussed, then the results are compared with full structure PNN and backpropagation. Face data used in the form of infrared and visible light images."

"ABSTRACTSkripsi ini membahas mengenai reduksi suatu kumpulan data menggunakan metode penggabungan data. Kumpulan data yang digunakan dalam penelitian ini adalah data bunga iris dengan 3 macam kelas dan data aroma dengan 18 macam kelas. Hasil penggabungan kumpulan data tersebut akan menjadi data masukan dalam pembelajaran algoritma jaringan saraf tiruan propagasi balik dan jaringan saraf probabilistik yang dipergunakan dalam penelitian ini. Hasil pembelajaran menggunakan data hasil penggabungan tersebut akan dibandingkan dengan hasil pembelajaran menggunakan data tanpa penggabungan. Hasil penelitian ini menyatakan bahwa penggunaan data hasil penggabungan akan mempercepat pembelajaran dan meningkatkan kestabilan keluaran sistem, namun mengurangi akurasi tingkat pengenalan

---

ABSTRACTThis thesis discusses about reduction of a data set using data merging method. The data set used in this study are iris set data with 3 kinds of classes and odor set data with 18 kinds of classes. The result of merging the data set become the input data in the learning algorithm backpropagation neural network and probabilistic neural network on learning part. Learning output using data with merging method will be compared with the results of the learning using data without merging. The results of this study suggest that the use of data resulting from this combination will accelerate learning and improve stability of output system, but reduces the level of recognition accuracy."

"ABSTRACTTugas akhir ini membahas mengenai Neural Network yang diaplikasikan dalam simulasi pengendalian plant. Plant yang digunakan adalah Pressure Process Rig 38-714. Pengendali yang digunakan adalah pengendali yang bekerja dengan nilai masukan berupa nilai eror dari nilai keluaran plant yang dibandingkan dengan nilai keluaran referensi. Kesuksesan percobaan ditinjau dari seberapa bagus keluaran plant yang dipasang pengendali ketika dibandingkan dengan sinyal referensinya dan ketahanannya terhadap gangguan. Hasil percobaan menunjukkan NN dengan metode Backpropagation memberikan performa yang baik walaupun diberi gangguan dengan batasan nilai tertentu.

---

ABSTRACTThis project discuss about the application of Neural Network in a simulation as a controller of a plant. Pressure Process Rig 38-714 is used as the plant. Error based NN is used as the controller. The controller’s input is the error signal from the output signal of plant compared to reference signal. The success rate is viewed by the similarity of the output of plant compared to the reference signal amd their robustness against noise. The testing result shows that NN based on backpropagation method has a great performance and robustness when there is noise."

"

Sumber tegangan listrik merupakan salah satu kebutuhan primer modern di masa sekarang.Sumber tegangan listrik mutlak dibutuhkan untuk menjamin tetap bekerjanya peralatan tersebut.

Namun masalah yang sering dihadapi seringkali adalah sumber-sumber tegangan memiliki nilai yang jauh dibawah level tegangan kerja yang umumnya digunakan pada sistem jaringan listrik perumahan. Untuk mengatasai permasalah sumber tegangan DC tersebut, salah satu cara yang dapat diambil adalah dengan mengimplementasikan sebuah rangkaian pengubah nilai tegangan DC atau DC-DC Converter.

Pada penelitian ini penulis menawarkan rangkaian DC-DC Converter dari tipe terisolasi, yaitu Push-Pull Converter. Pemilihan Push-Pull Converter dilakukan atas beberapa alasan antara lain keandalan, kualitas daya yang dihasilkan, kemudahan untuk diaplikasikan serta yang paling penting adalah ketahanan dari gangguan yang mungkin terjadi.

Sistem dikendalikan dengan menggunakan Pengendali PI dan IP serta diuji kualitasnya dengan menggunakan Diagram Bode.Hasil dari simulasi serta analisa kestabilan menunjukkan bahwa Rangkaian Push-Pull adalah rangkaian yang tahan terhadap gangguan.

---

Power supply is one of the modern primary needs in the present. Power supply is absolutely necessary to ensure the continuity cooperation of the equipment. However, a problem that often encountered is voltage sources values are far below the working voltage levels that are generally used in residential electrical grid system. To handling the problems of the DC voltage source, one way that can be taken is to implement a DC voltage converter circuit or DC-DC Converter.

In this research, a series of isolated type DC-DC Converters, namely Push-Pull Converter, is being promoted. The Selection of Push-Pull Converter based on reliability and quality of generated power among others, ease of applicability and the most important is the robustness of the interference that may occur.

The system is controlled using a PI controller and the IP also stability tested using Bode plots. The results of simulation and analysis shows that the stability of the Push-Pull circuit is a circuit that is resistant to interference.

"

"Klasifikasi aksi multi-objek berdasarkan video RGB aerial merupakan tantangan kompleks yang dapat berguna untuk pengembangan sistem keamanan. Terdapat dua pendekatan jaringan saraf tiruan yang umum digunakan dalam sistem pengenal berbasis kerangka, Convolutional Neural Network (CNN) dan Graph Convolutional Network (GCN). Pendekatan CNN lebih efektif dalam mempelajari fitur spatio-temporal, lebih kuat terhadap noise dalam estimasi pose, dan dapat menangani skenario multi-objek dengan komputasi yang lebih ringan. Penelitian ini meliputi pengembangan pengenal aksi manusia dengan pendeteksi spatio-temporal berbasis kerangka menggunakan pendekatan 3D Convolutional Neural Network (3D-CNN). Pendeteksi spatio-temporal memungkinkan sistem untuk mengenali tiap-tiap aksi yang simultan dilakukan oleh multi-objek dalam satu rekaman video. Percobaan dilakukan menggunakan sejumlah pre-trained dataset dan menggunakan dataset video RGB aerial primer yang dilatih terhadap model pengenal aksi berbasis video frontal, dengan menerapkan metode transfer learning. Proses tranfer learning dilakukan dengan dataset khusus untuk menghasilkan model pelatihan yang memiliki akurasi tinggi. Pelatihan memberi keluaran berupa model jaringan saraf tiruan dengan nilai akurasinya. Pengujian dilakukan menggunakan data video untuk mengetahui ketepatan model. Dari model yang diperoleh, akan dilakukan analisis terhadap keberhasilan dan keakuratan metode dalam mengenali aksi manusia.

---

Multi-object action recognition based on aerial RGB video is a complex challenge that can be useful for security system development. There are two commonly used artificial neural network approaches in skeleton-based recognition systems, Convolutional Neural Network (CNN) and Graph Convolutional Network (GCN). CNN approach is more effective in learning spatio-temporal features, more robust to noise in pose estimation, and can handle multi-object scenarios with lighter computation. This research involves developing a human action recognition with skeleton-based spatio-temporal detection using a 3D Convolutional Neural Network (3D-CNN) approach. Spatio-temporal detection allows the system to recognize each simultaneous action performed by multiple objects in a single video footage. Experiments were conducted using a number of pre-trained datasets and using a primary aerial RGB video dataset trained on a frontal video-based action recognition model, by applying the transfer learning method. The transfer learning process is performed with a specific dataset to produce a high-accuracy training model. The training outputs an artificial neural network model with its accuracy value. Testing is done using video data to determine the accuracy of the model. From the model obtained, the success and accuracy of the method in recognizing human actions will be analyzed."

"Robot LUL merupakan salah satu pengembangan mesin CNC untuk pembuatan lensa mata intra-okuler. Robot LUL menggunakan dua buah DC Motor Servo sebagai penggerak dan pengendali posisi Spesifikasi yang diinginkan dari perancangan robot LUL ini adalah memiliki tingkat ketelitian yang sangat tinggi mencapai 10m. Untuk mendapatkan ketelitian yang sangat tinggi, maka perlu memahami karakteristik masing-masing servo loop gain yang terdapat pada Ensemble CP. Dengan melakukan simulasi menggunakan matlab, maka dapat diketahui pengaruh kenaikan servo loop gain terhadap respon sistem.Setelah mengetahui pengaruh kenaikan masing-masing gain, maka akan dilakukan percobaan pada DC Servo Motor dengan menggunakan aerotech ensemble digital scope. Metode tuning yang digunakan untuk mendapatkan gain awal pada aerotech adalah autotuning. Kemudian setelah mendapatkan parameter awal gain dengan autotuning, maka akan dilakukan tuning manual gain pada aerotech sampai mendapatkan error kurang dari 5 m . Dengan memahami pengaruh karakteristik masing-masing gain pada servo control loop dan sudah mendapatkan error sesuai spesifikasi yang diinginkan, maka dapat dilakukan pengaturan manual gain pada Robot LUL dengan optimal.

---

Robot LUL (Loading Unloading) is one of the CNC Machines developments for Intra-ocular Eye Lens manufacture. LUL Robot uses 2 (two) DC Motor Servo as the actuator and controlling the position. The desired specification of LUL Robot design is a very high level of accuracy which reached 10 m . In order to get a very high accuracy, it is necessary to understand the characteristic of each servo loop gain. By conducting simulation using matlab, the effect of the increase in servo loop gain on servo motor towards the respond of the system can be identified.

The experiment on DC Servo Motor using Aerotech Ensemble Digital Scope will be conducted after knowing the incremental effect of each gain. Tuning method used to obtain the initial gain on Aerotech is Autotuning. Furthermore, after getting the initial parameters with Autotuning, the manual tuning gain on Aerotech will be conducted until reached an error less than 5 m . In the end, by understanding the characteristic effect of each servo gain and the error with desired specification have reached, the manual setting of gain on Robot LUL can be done optimally."

"CarSim merupakan sebuah simulasi mengemudi driving simulator dimana menyediakan metode visualisasi performa mobil yang akurat, detail dan efisien. CarSim adalah perangkat lunak untuk menganalisis dinamika kendaraan, mengembangkan pengendali aktif, menghitung karakteristik kinerja mobil, dan rekayasa sistem keselamatan aktif generasi berikutnya. Selain itu dalam CarSim juga menyediakan bentuk jalanan path dan road yang dibuat seperti yang diinginkan dengan membangun bentuk jalanan dengan library yang disediakan oleh CarSim dimana terdapat segmen-segmen seperti library segment builder yang didefinisikan sebagai panjang dan lebar jalanan serta library line elevation reference untuk ketinggian. Selain itu pada path dan road CarSim dapat menentukan kekasaran friction dari jalanan tersebut. Hasil yang diharapkan dari percobaan ini adalah membuat jalanan mapping sesuai dengan sirkuit Prenois-Dijon sehingga dapat diterapkan dalam visualisasi path and road CarSim.

---

CarSim is a driving simulator software which provides an accurate, detailed and efficient visualization method of car performance. CarSim software can be use to analyze vehicle dynamics, developing active controls, calculating car performance characteristics, and engineering of next generation active safety systems. In addition, CarSim also provides paths and roads feature that can be use as desired to build a street form with libraries provided by CarSim where there are segments such as library segment builder, defined as the length and width of the street and the library line elevation reference to altitude. In addition to the paths and roads feature, CarSim can determine the roughness friction of the street. The expected result of this experiment is to make the mapping in accordance with the Prenois Dijon circuit so that it can be applied in CarSim path and road visualization."