Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 95 dokumen yang sesuai dengan query
cover
Irma Furaida
Pengendalian posisi menggunakan metode logika fuzzy
"Dalam penelitian ini aplikasi kendali logika fuzzy digunakan pada pengendalian posisi untuk pengaturan kecepatan motor dc. Kendali logika fuzzy diimplementasikan pada Personal Computer (PC) dan programnya dibuat dengan bahasa visual basic 6.0. Komunikasi yang digunakan adalah komunikasi parallel antara PC dengan device yang digunakan. Pengaturan kecepatan motor dc dilakukan dengan menggunakan metode Pulse Width Modulation (PWM). Sistem logika fuzzy mempunyai 2 crisp input yaitu error dan perubahan error dan mempunyai 1 crisp output. Metode defuzzifikasi yang digunakan adalah mean of maxima. Jumlah label dari membership function adalah 7 label. Respon sistem ditampilkan dalam bentuk grafik antara Setting Point (SP), Process Variable (PV), dan Manipulated Variable (MV). Hasil pengujian menunjukkan bahwa sistem telah bekerja dengan baik walaupun SP berubah-ubah."
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2007
TA482
UI - Tugas Akhir  Universitas Indonesia Library
cover
Yuniarti
Pengendali posisi berbasis PC dengan metode PID
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2007
TA586
UI - Tugas Akhir  Universitas Indonesia Library
cover
Eka Budi Permana
Aplikasi absensi Smart Card dan fingerprint menggunakan AET63 Bio TRUSTKey
2007
TA695
UI - Tugas Akhir  Universitas Indonesia Library
cover
Iko Fajar January
Rancang bangun pencetak kartu nama menggunakan elektropneumatik
2007
TA702
UI - Tugas Akhir  Universitas Indonesia Library
cover
Benny Permana
Alat penguji kadar alkohol menggunakan TGS 2620 berbasis mikrokontroler
2007
TA740
UI - Tugas Akhir  Universitas Indonesia Library
cover
Indra Setia Permana
Pembuatan dan karakterisasi nanopartikel perak termodifikasi L-sistein sebagai elemen sensor untuk pendeteksian pestisida = Fabrication and characterization of l cysteine modified silver nanoparticles as sensor elements for pesticides detection
"Elemen sensor berbasis nanopartikel perak (NPP) termodifikasi l-sistein untuk mendeteksi pestisida telah dikembangkan. NPP tersebut dibuat melalui proses biosintesis dengan memanfaatkan air rebusan daun bisbul (Diospyros blancoi) sebagai agen pereduksi. Pestisida yang sering digunakan oleh petani diantaranya cartap, bisultap, monosultap, propineb dan sipermetrin dideteksi dengan mencampur masing-masing pestisida tersebut kedalam elemen sensor untuk mengamati selektivitasnya. Konsentrasi pestisida yang terpilih divariasikan sebesar 0, 20, 50, dan 100 ppm untuk mengamati sensitivitasnya. NaCl 1M ditambahkan pada elemen sensor untuk meningkatkan sensitivitasnya. Pembentukan elemen sensor dan proses pendeteksian pestisida diamati menggunakan spektrofotometer UV-Vis dan fotografi.
Hasil menunjukkan bahwa elemen sensor memiliki puncak absorbansi diantara 400-500 nm dan memiliki warna kuning kecokelatan. Sensor elemen hanya selektif terhadap sipermetrin 100 ppm yang ditandai dengan penurunan absorbansi dan perubahan warna menjadi bening. Semakin besar konsentrasi sipermetrin yang diberikan absorbansinya semakin menurun dan perubahan warna semakin bening. Resolusi dari elemen sensor adalah 16,7 ppm dengan kesalahan total absorbansi sebesar 0,1.
Sensor elements based on l-cysteine modified silver nanoparticle (AgNPs) for pesticides detection has been developed. AgNPs is synthesized through biosynthesis process using bisbul (Diospyros blancoi) leaf infusion as a reducing agent. The most commonly used pesticides by farmers include cartap, bisultap, monosultap, propineb and sipermetrin are detected by mixing them into sensor elements to observe its selectivity. Concentration of selected pesticide is varying: 0, 20, 50, and 100 ppm to observe its sensitivity. NaCl 1M is added to sensor element to enhance its sensitivity. Formation of sensor element and detection process is monitored using UV-Vis spectrophotometer and photograph.
The results show that sensor elements has a peak absorbance between 400-500 nm and brownish-yellow in color. Sensor elements only selective to sipermetrin 100 ppm indicated by decreasing absorbance and color changes to be clear. The higher concentration of sipermetrin the more decreasing of absorbance and color changes to be more clear. Resolution of sensor element is 16,7 ppm with 0.1 of absorbance total error."
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2014
S54781
UI - Skripsi Membership  Universitas Indonesia Library
cover
Akhmad Aldiya Yusuf
Perancangan Sistem Klasifikasi Emosi Manusia Menggunakan Elektroensefalografi (EEG) Berbasis k-NN Classifier = Human Emotion Classification System Design Using Electroencephalography (EEG) Based on k-NN Classifier
"ABSTRAK
Isu kesehatan mental merupakan sebuah isu yang sangat berkembang pesat pada masa ini. Remaja dan dewasa muda pada usia 16 hingga 30 tahun adalah korban utama yang menjadi penderita penyakit mentalitas. Isu kesehatan mental merupakan isu yang cukup serius dalam bidang medis dan social. Salah satu penyebab dari penyakit pada mentalitas manusia adalah kurangnya kemawasan diri, yang merupakan salah satu kunci dalam menjaga kestabilan mental pada diri seseorang. Sinyal otak merupakan suatu sinyal yang diduga mampu mendekteksi aktifitas otak manusia, dan dari sinyal tersebut, kita mampu membuat suatu sistem klasifikasi kondisi emosional manusia. Pada penelitian ini, EEG Neurostyle dengan 24 kanal digunakan untuk menangkap sinyal kelistrikan dari otak manusia. Metodenya meliputi reaksi seorang subjek terhadap stimulus berupa audio-visual yang berdurasi kurang lebih 5 menit. Subjek terdiri dari 10 orang manusia berumur 18 hingga 22 tahun, dimana tiap subjek menonton sebuah video pada lingkungan yang sama. Ekspresi mimik wajah akan direkam menggunakan kamera sebagai referensi dan konfirmasi agar sesuai dengan emosi yang dideskripsikan oleh subjek. Fitur emosi berupa RPR kemudian diambil untuk kemudian dimasukan kedalam algoritme classifier. Emosi dibagi berdasarkan 4 jenis yaitu: senang, sedih, takut, dan jijik Menggunakan Supervised Machine Learning, kita dapat menggunakan fitur fitur tersebut untuk klasifikasi. Menggunakan k-NN, didapat akurasi diatas 70% dengan menggunakan 4 kelas.
ABSTRACT
Mental health issues are growing rapidly in these recent years. Teenagers and young adult on age 16-30 years old are the most common victims. Mental health is a really serious issue concerning emotional health. One of the causes on emotional health issues is a lack of self-awareness, which is the key cornerstone on maintaining emotional-state. Brain signals has proven that it can read human emotion, and from there we can use brain waves to classify human emotional-state. In this research study, EEG Neurostyle of 24 channels is used to obtain brain electrical signals. The method involves the subject reaction to a set of audio-visual stimuli of approximately 5 minutes, the subject consists of 10 subjects aged 18-22, with each person watched the video-clips in the same environment. The expressions of the subjects were recorded separately to ensure their emotion accordance with the source (i.e. sad clips resulting sad emotion). Then its feature were extracted. The feature were used to classify the emotion into 4 classes: happy, sad, scared, and disgust. Using Supervised Machine Learning Method, we can use these features to identify a new sample to predict which class it belongs to. Using k-NN algorithm as classifier, an accuracy greater than 70% is obtained with 4 classes."
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2019
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Ratna Aminah
Studi awal pengembangan sistem prediksi penyakit diabetes berbasis iridologi menggunakan machine learning = Early development of diabetes prediction system based on iridologi using machine learning / Ratna Aminah
"ABSTRAK
<

Diabetes merupakan penyakit kronis yang terjadi ketika terdapat peningkatan kadar glukosa dalam darah karena tubuh tidak dapat atau tidak cukup menghasilkan hormon insulin atau tidak dapat menggunakan insulin secara efektif. Umumnya untuk mendeteksi penyakit diabetes adalah dengan tes kadar gula darah atau hemoglobin HbA1c yang dilakukan oleh praktisi medis. Pada penelitian ini, dibangun sistem prediksi penyakit diabetes berbasis iridologi atau melalui citra mata, menggunakan machine learning. Sistem yang dikembangkan terdiri dari instrumen akuisisi citra mata dan algoritma pengolahan citra. Metode GLCM (Gray Level Co-Occurence Matrix) digunakan untuk proses ekstraksi ciri, dengan tujuan untuk mendapatkan ciri tekstur pada citra. Metode SVM (Support Vector Machine) dan kNN (k Nearest Neighbor) digunakan untuk proses klasifikasi kelas diabetes dan non-diabetes. Hasil klasifikasi kemudian dilakukan proses validasi dengan menggunakan metode k-fold cross validation. Hasil yang diperoleh menunjukkan bahwa metode kNN memiliki performa yang lebih baik dibandingkan dengan metode SVM. Performa terbaik didapatkan saat variasi kombinasi ukuran area segmentasi 30×360 dengan jarak antar tetangga 30 pixel. Tingkat akurasi yang diapatkan dari pengujian sebesar 79,6%, dengan nilai misclassification rate (MR) 20,4%, false positive rate (FPR) 20,6%, false negative rate (FNR) 20%, sensitivity 87,1%, dan specificity 70,0%.

 

ABSTRACT

Diabetes is a chronic disease that occurs when there is an increase in glucose levels in the blood because the body cannot produce enough of the hormone insulin or cannot use insulin effectively. Generally, to detect diabetes is by pengujian blood sugar levels or hemoglobin HbA1c carried out by medical practitioners. In this study, a diabetes prediction system based on iridology or through eye images was constructed using machine learning. The developed system consists of eye image acquisition instruments and image processing algorithms. The GLCM (Gray Level Co-Occurence Matrix) method is used for feature extraction processes, with the aim of obtaining texture characteristics in the image. The SVM (Support Vector Machine) and kNN (k Nearest Neighbor) methods are used to classify diabetic and non-diabetic classes. The classification results are then validated by using the k-fold cross validation method. The results show that kNN method has better performance compared to the SVM method. The best performance is when size of the segmentation area 30×360 pixel with the distance between neighbors 20 pixel. The results show that the accuracy from pengujian is 79.6%, misclassification rate (MR) 20.4%, false positive rate (FPR) 20.6%, false negative rate (FNR) 20.0%, sensitivity 87.1%, and specificity 70.0%.

 

"
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2019
S-Pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Cecep Sujana
Pengukuran posisi bawah air dengan menggunakan sensor piezoresistive dan sensor magnetoresistive
"ABSTRAK
Untuk memperoleh informasi yang akurat mengenai posisi data yang diambil dibawah permukan air laut Maka diperlukan posisi kedalaman air wahana dan arah wahana terhadap kutub utara. Informasi ini penting karena dengan digabungkan dengan panjang tali alat maka dapat diperoleh panjang alat secara garis lurus dari GPS di kapal. Alat ini mengubah tekanan air yang diterimanya menjadi perubahan tahanan. Selanjutnya diumpankan tegangan ekstisasi pada sensor tersebut, dimana akan keluar tegangan yang besarnya sebanding dengan kedalaman air laut. Dengan sensor tekanan ke tahanan piezoresistive yang mampu mengukur sampai kedalaman 200 meter dengan keluaran tegangan sampai 2,5 volt. Dengan menggunakan mikrokontroler serial 80 dari Ateml sinyal analog tadi diubah ke sinyal digital 11 bit sehingga mampu mengukur sampai ketelitian 9,77 cm kedalaman. Tegangan ini kemudian diolah oleh rangkaian elektronik sehingga hasil akhirnya berupa petunjuk kedalaman dalam bentuk display dan data serial.
Demikian juga dengan arah kompas, medan magnet bumi mengubah tahanan dari bahan permaloy menjadi berubah tergantung besarnya medan magnet yang diterima oleh bahan tersebut, bahan disusun menjadi konfigurasi jembatan wheatstone untuk kemudian diberi tegangan eksitasi seperti susunan sebelumnya pada sensor kedalaman, keluaran dari sensor ini berupa lebar pulsa dimana besarnya sudut azimuth berbanding lurus dengan lebar pulsa yang dihasilkan. Lebar pulsa ini kemudian dihitung dengan perbandingan terkecil sampai terendah berpadanan dengan sudut 0 derajat sampai 360 derajat"
2008
T39854
UI - Tesis Open  Universitas Indonesia Library
cover
Siregar, Riswal Nafi
Rancang bangun alat pendeteksi fungsi ginjal portabel dengan menggunakan teknik radioimmunossay berbasis mikrokontroler
"Dalam peringatan hari ginjal sedunia menunjukkan bahwa potensi gangguan fungsi ginjal terus meningkat seiring dengan pola hidup manusia yang kurang sehat, setres dan kurang olahraga. Deteksi dini sebagai upaya menjaga kesehatan sangat dianjurkan, agar tidak semakin parah menjadi gagal ginjal yang berlanjut pada cuci darah dan cangkok ginjal sebagai jalan keluar yang tak terelakkan. Perangkat deteksi dini fungsi ginjal di rumah sakit-rumah sakit kedokteran nuklir secara diagnosa pada umumnya secara in-vivo. yaitu memasukkan radioisotop kedalam tubuh pasien, perangkat tersebut diantaranya adalah Gamma Camera, SPECT ( a Single Photon Emission Computed Tomography ) dan PET ( Positron Emission Tomography ). Peralatan-peralatan tersebut merupakan peralatan canggih yang belum terjangkau masyarakat menengah ke bawah karena mahal. Sedangkan peralatan konvensional yang ada seperti tes kreatinin darah, tidak dapat menilai ginjal kanan atau ginjal kiri yang mengalami gangguan fungsinya. Perangkat teknologi nuklir yang melakukan diagnosa fungsi ginjal secara in-vitro diantaranya adalah perangkat Radioimmunoassay. Perangkat RIA yang terdapat di rumah sakit-rumah sakit juga merupakan perangkat yang mahal sehinggga belum terjangkau masyarakat menengah ke bawah."
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2012
T40832
UI - Tesis Open  Universitas Indonesia Library
<<   1 2 3 4 5 6 7 8 9 10   >>