Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kondisi dasar samudera di Indonesia memerlukan perhatian karena kontur dasar lautnya senantiasa berubah, salah satunya akibat bencana alam maupun perubahan kontur secara alami. Bentuk kontur yang berubah-ubah ini perlu diketahui untuk keamanan dalam pelayaran. Echo sounder merupakan salah satu alat yang umum digunakan para pelaut untuk mengetahui kondisi dasar laut (kedalaman dan kontur). Peralatan ini menggunakan prinsip kerja sonar. GARMIN Fishfinder 160 Blue adalah sebuah echo sounder yang mempunyai kemampuan pengukuran kedalaman air. Alat ini memancarkan gelombang akustik (pinging) dan menerima kembali pantulan gelombang tersebut (echo) dari dasar laut dengan memanfaatkan karakteristik gelombang akustik dalam air. Pada Tugas akhir ini dirancang proses visulisasi profil dasar perairan pada layer komputer dengan mengambil data keluaran dari GARMIN Fishfinder 160 Blue. Data keluaran tersebut menggunakan format NMEA 0183 Protokol yang dihubungkan lewat Port RS 232 sebuah komputer. Kemudian, data ini divisualisasikan pada layar dengan menggunakan bahasa pemrograman tertentu. Hasil dari uji coba alat pengirim data GARMIN FishFinder 160 Blue memperlihatkan antara pengukuran secara manual dan menggunakan alat masih dalam toleransi kesalahan yang sangat kecil. Hasil dari pengujian Perangkat lunak yang dibangun memperlihatkan hasil yang diharapkan seperti melakukan plot kedalaman laut sehingga membentuk profil dasar laut dengan skala yang dapat diatur.

---

Indonesian ocean floor profile is important to be identified since its contour seldom changes, because of nature catastrophic or natural contour change. These changes of contour shapes need to be identified particularly for maritime.

Echo sounder is one of the equipment that is commonly used by sailors to determine sea floor condition (water depth and contour). This equipment works based on the principle of sonar.

GARMIN Fishfinder 160 Blue is an echo sounder which has the ability to measure water depth. This gadget can transmit an acoustic wave (pinging) and receipt back its reflection (echo) from the sea floor based on acoustic wave characteristic in the water.

This final project describes the process design of underwater profile visualization displayed on computer screen by using output data from GARMIN Fishfinder 160 Blue. The output data using NMEA 0183 protocol format is interfaced with personal computer?s RS 232 port. This data is then visualized on computer screen by using particular programming language.

The result from the equipment testing of GARMIN FishFinder 160 Blue shows that between manual measurement and equipment measurement only a relative small difference occured. The result from the Software test shows result as expected, like showing the depth of the sea floor and the sea floor profile with organizable scale."

"Dalam dunia telekomunikasi, echo (gema) muncul pada waktu sinyal dikirimkan, hal ini sangat mengganggu karena menurunkan kualitas sinyal aslinya. Penekanan echo merupakan masalah yang menarik sekarang ini. Pada dasarnya, ada dua cara untuk mengurangi echo yaitu echo suppressor dan echo canceller. Echo suppressor memproses sinyal asli dan sinyal echo berdasarkan amplitudo. Amplitudo echo lebih kecil dibandingkan dengan sinyal asli. Kelemahannya adalah echo dengan level tinggi dapat dikategorikan sebagai sinyal sedangkan sinyal dengan level rendah dapat dikategorikan sebagai echo. Hal itu kemudian diatasi dengan penggunaan filter dengan adaptasi tertentu (filter adaptif) yang disebut dengan cara echo canceller. Filter adaptif berfungsi untuk membangkitkan sinyal replika echo yang bekerja untuk menggagalkan echo.Salah satu hal yang penting pada echo canceller adalah menentukan orde filter optimum. Dengan mengetahui orde filter optimum, maka akan menjadi masukan dalam melakukan desain filter. Pada tesis ini digunakan sistem adaptive subband echo canceller yang membagi pita-pita frekuensi menjadi lebih sempit menggunakan transformasi wavelet. Hasilnya diukur menggunakan parameter echo return loss enhancement (ERLE) terhadap orde filter. Dengan menggunakan subband echo canceller adaptif yang berbasis transformasi wavelet, didapatkan orde filter optimum yang lebih pendek dan penekanan echo yang lebih besar.

---

A common problem encountered in telephone communications is the presence of echo. Which is produced when the signal passes through channels. Echo cancellation has attracted much attention lately. There are two methods to reduce echo such as echo suppressor and echo canceller. Echo suppressor is processes signals based on signal amplitude. Echo amplitude signal is smaller than input signal. Echo suppressor disadvantages are echo with high level detected as signal and low level signal detected as echo. Those problems are overcame by adaptive filter. Adaptive filter generates echo replica that usually use to remove echo.

There is important on the echo canceller to know optimum filter order. If optimum filter order known as input for filter design. In this paper, we present a new structure for the echo canceller. The structure is wavelet transform for adaptive sub band echo canceller. That input signals are split into adjacent frequency by wavelet transform.

Result is require precise measured by echo return loss enhancement (ERLE) again filter order. Simulation results show that using wavelet transform for adaptive sub band echo canceller indicate that optimum filter order is shorter and echo canceling is better."

"Dalam teknologi telekomunikasi, pemrosesan sinyal menyandang peran vital. Penerapan teknik tersebut telah merambah ke berbagai bidang seperti halnya bidang pengolahan suara dan ucapan, bidang pengolahan citra, kompresi data, dan estimasi spektral waktu frekuensi.Radar (Radio Detection and Ranging) adalah suatu metode penggunaan gelombang radio untuk mendeteksi kehadiran objek sasaran dan menentukan posisinya (lokasi/jaraknya) serta kecepatannya. Secara umum sinyal echo radar terdiri dari clutter c(t) yang merupakan hamburan dari benda-benda lain, noise n(t) atau derau yang lebih didominasi oleh penerima sendiri (kecuali pada frekuensi rendah), dan sinyal yang mungkin jika ada sasaran.Melalui bentuk pemodelan pembangkitan sinyal echo radar dengan bantuan program berbasiskan Matlab Simulink dan Matlab versi 4.2, maka dapat dianalisa sejauh mana penerapan dari untuk kerja transformasi Wavelet dan membandingkannya dengan transformasi Fourier dalam mengidentifikasi sinyal echo radar . Pemrosesan sinyal ditujukan untuk mengetahui kandungan frekuensi Doppler, dengan kata lain untuk tujuan mengetahui besar kecepatan radial benda terhadap radar. Dalam setiap deteksi diasumsikan selalu ada sasaran yang sudah berhasil dideteksi, sehingga yang harus dilaksanakan adalah mengetahui besar kecepatan radialnya.

---

Signal processing plays an important role in communication technology. Application of the technique has broadly expanded to various fields such as sound and utterance processing, image processing, data compression and frequency time spectral estimation.Radar (Radio Detection and Ranging) is one method of using radio wave to detect the targeted objects, their positions (in terms of location and distance) and speeds. Signally radar echo signal consists of clutter c(t), scattering from other objects, noise n(t) or roaring sound, dominantly controlled by the internal receiver (except for low frequency), and possible signal, when the target exist.In form of radar echo signal erection modeling supported with the program-based Matlab Simulink and Matlab Version 4.2, we may analyze application of Wavelet transforms displays as far as possible and compare to the Fourier transforms to identify radar echo signal. Signal processing is aimed at knowing the Doppler frequency ingredients. In other words, it is purposed to see the objects radial speed against the radar. It is assumed that there are always targeted objects already successfully detected. In this care, it is our task to determine the radial speed."

"Wilayah perairan Indonesia, termasuk perairan Gresik, Provinsi Jawa Timur menjadi jalur lalu lintas pelayaran yang kerap padat akan banyak kapal. Hal ini akan membawa keuntungan tersendiri, karena pelabuhan di sekitar Gresik akan berkembang perekonomiannya. Namun, disamping dampak baik tersebut, ada dampak buruk yang nampaknya lebih sering didapat. Dimulai dari sikap ketidakpedulian para pengguna laut dalam berlayar, bermanuver dan berlabuh jangkar sehingga membuat utilitas bawah laut seperti pipa yang mengangkut gas akan rusak bahkan dapat menyebabkan kebocoran, ledakan dan kebakaran. Maka, perlu adanya validasi kembali area mana saja yang terdapat utilitas menggunakan metode yang cocok seperti metode magnetik karena pipa bawah laut berbahan logam akan sensitif dengan medan magnet. Hasil pengolahan data magnetik menunjukkan pipa bawah laut berada vertikal dari Utara ke Selatan daerah penelitian dengan nilai anomali magnetik tinggi sekitar 7.2 hingga 24.5 nT. Kemudian penampang 2D menampilkan model pipa bawah laut dengan baik karena nilai error nya kecil. Pipa tersebut memiliki rentang nilai kontras suseptibilitas dari 0.6 – 1. Untuk mengetahui nilai kedalamannya, data Single Beam Echo Sounder (SBES) dan Peta Laut Indonesia (PLI) nomor 96A digunakan sebagai data pendukung karena data magnetik tidak memiliki data altitude. Berdasarkan PLI kedalaman batimetri sekitar 9.1 – 10.6 meter. Berdasarkan data SBES, kedalaman batimetri memiliki range dari 9.18 – 0.5 meter. Sehingga estimasi kedalaman pipa bawah laut sesuai dengan Keputusan Menteri Pertambangan dan Energi nomor 300K/38/M.PE/1997 tentang Keselamatan Kerja Pipa Penyalur Minyak dan Gas Bumi yaitu 9 hingga 12 meter dibawah permukaan laut. Zona yang aman untuk kapal berlayar dan melabuhkan jangkar sendiri berada pada jarak lebih dari 500 meter dari posisi pipa dan instalasi lainnya yang dapat dilihat di PLI. PLI sendiri harus digunakan sebagai pedoman dalam berlayar agar meminimalisir kecelakaan pelayaran.

---

Indonesian territorial waters, including Gresik, East Java Province, become shipping traffic lanes that are often congested with many ships. This will bring its advantages because the port around Gresik will develop its economy. However, in addition to these good effects, there are harmful effects that seem more common. Starting from the indifference of sea users in sailing, maneuvering, and anchoring so that underwater utilities such as pipelines that transport gas will be damaged and can even cause leaks, explosions, and fires. So, it is necessary to re-validate any area with utility using a suitable method such as the magnetic method because metal subsea pipelines will be sensitive to magnets. The results of magnetic processing show that the subsea pipeline is vertical from North to South of the study area with a high magnetic anomaly value of around 7.2 to 24.5 nT. Then the 2D cross-section displays the underwater pipe model well because the error value is small. The pipe has a susceptibility contrast value ranging from 0.6 – 1. For depth value, Single Beam Echo Sounder (SBES) and Indonesian Sea Map (PLI) number 96A are used as supporting data because magnetic data does not have altitude data. Based on PLI, the bathymetry depth is around 9.1 – 10.6 meters. Based on SBES data, the bathymetry depth ranges from 9.18 – 0.5 meters. The estimated depth of the subsea pipeline is in accordance with the Minister of Mines and Energy's Decree of 300K/38/M.PE/1997 concerning the Safety of Oil and Gas Distribution Pipelines, which is 9 to 12 meters below sea level. The safe zone for ships sailing and anchoring themselves is at a distance of more than 500 meters from the pipes and other installations seen in PLI. PLI itself must be used as a guide in sailing in order to minimize shipping accidents."

"ABSTRAKDalam penelitian ini dibahas salah satu penerapan filter adaptif untuk menghilangkan atau menghapus gema jauh (far echo) dalam jaringan telepon. Pada dasarnya filter adaptif yang digunakan terdiri dari suatu filter finite impulse response (FIR) dengan memanfaatkan algoritma adaptif kuadrat rata-rata terkecil yang dinormalisasi (normalized least mean square/NLMS) yang berfungsi untuk menala koefisien-koefisien dilter tersebut, sehingga diperoleh sekumpulan koefisien-koefisien filter yang optimum, yang akan digunakan untuk menghasilkan estimasi gema yang optimum pula. Penghapusan gema terjadi dengan mengurangkan model gema itu dengan hasil estimasi gema tersebut. Terdapat beberapa parameter yang mempengaruhi kinerja filter adaptif penghapus gema antara lain panjang filter FIR yang digunakan, ukuran langkah dari algoritma NLMS, model gema yang digunakan, jumlah sampel data dari sinyal referensi dan gema, serta jenis sinyal referensi yang digunakan. Hasil simulasi menunjukkan pengaruh parameter-parameter tersebut terhadap karakteristik penghapus gema. Karakteristik penghapus gema yang dianalisa adalah atenuasi sinyal gema, nilai RMS dari sinyal kesalahan, spektrum frekuensi dari sinyal estimasi gema, adaptasi koefisien-koefisien filter, waktu penghapusan gema, dan settling time dari sinyal kesalahan."

"Dalam beberapa dekade, akuisisi MT biasanya dilakukan dalam bentuk profil lintasan 2D. Namun pemodelan inversi 2D memiliki kekurangan terutama terkait dengan keberadaan struktur yang lebih kompleks 3D strike . Ambiguitas ini termasuk dalam pemilihan mode yang digunakan TE atau TM . Ambiguitas ini dapat menyebabkan kesalahan dalam interpretasi. Ambiguitas data seperti yang terjadi pada inversi 2D dapat diatasi dengan menggunakan program inversi 3D.Inversi MT 3D dilakukan dengan menggunakan dengan menggunakan perangkat lunak Mod3DEM dengan algoritma NLCG Non Linear Conjugate Gradient dan sudah memasukkan faktor topografi. Data input yang digunakan dalam inversi 3D adalah sebanyak 92 titik, dengan range frekuensi 320 ndash; 0.01 Hz. Pengolahan data menggunakan rotasi principal axis dan koreksi statik menggunakan data TDEM. Selain itu, data pendukung lain yang digunakan dalam penelitian ini adalah data geokimia dan data geologi. Berdasarkan hasil inversi 3D MT, Karakteristik sistem geothermal lapangan ldquo;INARA rdquo; terlihat dengan batuan penudung memiliki resestivitas rendah 80 ohm-m. Top of reservoir berada di ketinggian 500 meter dari MSL dengan heat source berada di bawah puncak gunung WL. Dari hasil perhitungan geothermometer silika dan diagram entalphy-Cloride mixing, diperoleh temperatur reservoir daerah prospek panas bumi ldquo;INARA rdquo; adalah 200 oC. Sedangkan berdasarkan geothermometer CO2, temperatur reservoir daerah prospek panas bumi ldquo;INARA rdquo; adalah 260 oC dan masuk dalam kategori high temperature >225 oC.

---

Within a few decades, MT acquisition is used to be done in a 2D track profile. However 2D inversion modeling has its drawbacks mainly related to the existence of the existence of complex structures 3D strike . This will bring ambiguity that can lead to errors in interpretation. Data ambiguity as occurs in 2D inversion can be overcome by using 3D inversion program.The software used in MT 3D Inversion is Mod3DEM with NLCG Non Linear Conjugate Gradient algorithm and has included topography factor. The input data used in 3D inversion is 92 points, with frequency range 320 0.01 Hz. The data processing used principal axis rotation and static corrected by TDEM data. The other supporting data used in this study are geochemical data and geological data.

Based on the 3D MT inversion results, the characteristics of the INARA geothermal field system are seen with low residence rocks 80 ohm m. Top of the reservoir is at an altitude of 500 meters from MSL with the heat source is under the peak of WL mountain. From the calculation of silica geothermometer and entalphy cloride mixing diagram, it is known the reservoir temperature of geothermal prospect region INARA is 200 oC. While based on CO2 geothermometer, the reservoir temperature of geothermal prospect region INARA is 260 oC and included in high temperature 225 oC."

"Dalam proses berkendara, pengemudi memiliki keterbatasan akan informasi selain dari panel instrumen (dashboard) dan penglihatan mereka, sehingga selalu terdapat resiko bahwa pengemudi lengah dan melakukan kesalahan. Untuk membantu pengemudi, salah satu pengembangan terkini di industri otomotif adalah Driver Assistence System atau DAS, yang ditujukan untuk membantu dengan cara memberikan informasi yang komprehensif mengenai kondisi kendaraan maupun kondisi sekitar kendaraan. Informasi yang didapatkan dapat berupa data kendaraan melalui sensor internal, serta data sensor eksternal seperti Kamera. Sebuah kendala dalam menelaah informasi dari Kamera adalah kemampuan untuk mendeteksi jalan dan mengidentifikasi objek yang ada di sekitar, yang umumnya memerlukan biaya komputasi yang cukup besar, sehingga masih tergolong kurang aksesibel.Dalam penelitian ini, dikembangkan sebuah rancangan sistem gabungan perangkat elektronik dan software, dengan kemampuan membaca data internal kendaraan melalui Sensor Grabber, serta menerima dan menelaah data visual dari Kamera. Algoritma deteksi jalan dan pendeteksian objek dikembangkan menggunakan teknik Image Processing serta Deep Neural Network atau Deep Learning. Data kemudian dapat ditampilkan secara visual melalui Graphical User Interface (GUI) yang dikembangkan dengan bahasa Python.Sistem dilatih dengan sampel berjumlah 816 gambar. Setelah melakukan pengujian, data internal kendaraan dapat diperoleh secara real-time, pendeteksian jalan dapat dilakukan dengan tingkat akurasi sebesar 84.96%, dan objek di sekitar kendaraan dapat diprediksi serta diketahui jarak dan posisinya menggunakan Deep Learning dengan tingkat kepresisian hingga 63.6%, dengan waktu komputasi total 121.68ms.

---

During driving, the driver does not have much information regarding the vehicle and its surroundings aside from the instrument panel and their own eyes, therefore there is always the risk of getting caught off-guard and making a mistake. To assist the driver, one of the current breakthroughs in the industry is Driver Assistance System (DAS), which is meant to help drivers by giving them comprehensive information regarding their vehicle or its surroundings. The given information can be the vehicle's data from internal sensors, and data from external sensors such as Cameras. A problem regarding analyzing visual data is how to detect road edges and identify the surrounding objects, which usually requires a sizable amount of computing power, therefore causing the technology to still remain less accessible to the public.

In this research, a system consisting of Electronics and software with the ability to retrieve vehicle data via a Sensor Grabber, as well as obtain and analyze visual data via a camera is designed. A Road Edge Detection an Object Detection Algorithm is developed with Image Processing and Deep Neural Network or Deep Learning Techniques. The data is then visualized through a Graphical User Interface (GUI) developed in Python.

The system is trained using a sample of 816 images. After a testing process, the internal data of the vehicle can be retrieved in real-rime, road edge detection can be achieved with 84.96% accuracy, and object detection with distance calculation using Deep Learning can be done with 63.6% accuracy, using total computation time of only 121.68ms.

"

"ABSTRAK

Metode Eigenface diimplementasikan pada sistem otentikasi kontinu yang digunakan dalam sistem pengenalan wajah. Proses dimulai sistem dengan deteksi warna kulit, wajah serta kedua mata pengguna melalui suatu kamera. Piksel citra wajah disimpan dan diolah menjadi bentuk vektor fitur. Vektor fitur dari citra uji dan citra latih disubstraksikan dan dinormalisasikan demi mendapatkan jarak Euclidean terdekat sebagai hasil pengenalan. Sistem diuji pada enam parameter pengujian yaitu pengujian terhadap perubahan resolusi, pengujian terhadap noise, pengujian terhadap citra iluminasi rendah, pengujian terhadap perubahan etnis, serta pengujian secara kontinu. Nilai rata-rata akurasi pengenalan yang dicapai oleh rancangan ini berkisar 85.62% pada 240 citra data latih.

---

ABSTRACT

Eigenface method is being implemented in continuous authentication system to recognize faces. The system in this implementation is able to detect user’s skin color, face, and eyes through a camera. Each pixel in the input and template pictures is then stored and converted into feature vectors. Feature vector from the input and template images are then subtracted to find the nearest Euclidean distance which is the recognition result. The five test parameters used are variation of image resolution, noise, low-illuminated test image, user’s ethnicity, and continuous test. This system is able to achieve have up to 85.62% recognition accuracy rate with 240 training data images."