Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tugas Akhir ini merancang suatu pengendali berbasis NeuroFuzzy dan mengujicobanya pada perangkat lunak sederhana untuk sistem linier orde dua. Pada akhir pengendalian diharapkan diperoleh tanggapan sistem yang lebih baik. Tanggapan ini berupa settling time, rise time, overshoot dan galat tunak, yang diharapkan men jadi lebih cepat, lebih singkat, dan lebih kecil. Pengendali yang dirancang adalah suatu pengendali yang menggabungkan Jaringan Saraf Buatan dengan pengendali Logika Fuzzy. Jaringan saraf buatan mempunyai kemampuan belajar dan dilatih dengan sekumpulan data pelatihan. Pada pengendali ini jaringan saraf buatan dilatih untuk menentukan nilai keanggotaan error dan selisih error sebagai masukan pengendali, ke dalam nilai linguistik yang bersesuaian. Pengendali ini juga membutuhkan Fuzzy Assosiative Memory (FAM). Uji cobs perangkat lunak dilakukan terhadap lima model sistem linier orde dua, yang diharapkan mampu mewakili suatu sistem linier orde dua secara keseluruhan. Perangkat lunak tersebut dibuat dengan bahasa pemrograman Visual Pascal, menggunakan Borland Delphi versi 1.0. Tanggapan waktu model sistem linier orde dua tanpa pengendali NeuroFuzzy kemudian akan dibandingkan dengan tanggapan hasil pengendalian dengan pengendali berbasis NeuroFuzzy. Dari hasil perbandingan diharapkan terjadi perbaikan tanggapan. yang menandakan keberhasilan pengendalian."

"Pengendali logika fuzy memiliki kelemahan yaitu segala sesuatu harus didefnisikan terlebih dahulu secara eksplisit, termasuk aturan-aturan kendalinya. Masalah timbul jika aturan-aturan kendali tidak dimiliki dan tidak adanya seorang expert atau operator untuk membentuk aturan-aturan kendali yang sesuai. Masalah ini dapat diatasi dengan menggunakan jaringan syaraf buatan pada bagian inferensi. Jaringan syaraf memiliki kemampuan untuk dilatih dengan sekumpulan data pelatihan, sehingga setelah pelatihan selesai jaringan ini dapat digunakan tanpa harus mengetahui aturan-ataran kendali secara lengkap. Peuggunaan jaringan syaraf menimbulkan masalah bare, yaitu jika data pelatihan tidak tersedia, becarti konsep jaringan syaraf tidak dapat digunakan. Untuk itu digunakan mekanisme belajar (self-learning) untuk menghasilkan data pelatihan yang selanjutnya digunakan untuk melatib jaringan syaraf. Skripsi ini membahas mengenai algoritma dan penerapan pengendali self-learning neurofuzzy pada sistem overdamped dan underdamped serta membahas pengaruh perubahan parameter-parameter pengendali terhadap basil pengendalian."

"Sistem pendingin pada sebuah bangunan menyumbang energy yang cukup besar pada total energy dari bangunan tersebut. Pemilihan dan penghematan system pendingin yang tepat akan membantu untuk mengurangi konsumsi energy pada system pendingin bangunan. Salah satu cara penghematan pada system pendingin adalah dengan menggunakan bahan-bahan renewable energy sebagai sumber energinya. Gedung Mechanical Research Center yang berada di wilayah Fakultas Teknik Universitas Indonesia, Depok, Jawa Barat telah menggunakan system pendingin absorpsi tenaga matahari guna memanfaatkan sumber panas terbarukan yang dapat menghemat konsumsi energy pada suatu gedung. Tujuan penelitian ini mencoba untuk mengevaluasi besar konsumsi energy yang dikeluarkan oleh absorption chiller pada gedung MRC, evaluasi dilakukan dengan simulasi menggunakan perangkat lunak IES-VE, IES-VE adalah perangkat lunak yang membantu penggunanya untuk mendesain dan mengevaluasi fenomena-fenomena pada suatu bangunan hasil yang didapat dari simulasi ini akan digunakan sebagai perbandingan terhadap hasil artificial intelligence menggunakan metode artificial neural network dan fuzzy.

---

Cooling systems in a building contribute considerable energy to the total energy of the building. Choosing and saving the right cooling system will help to reduce energy consumption in building cooling system. One way of saving on the cooling system is to use renewable energy as a source of energy. Building Mechanical Research Center located in the Faculty of Engineering, University of Indonesia, Depok, West Java has been using solar energy absorption cooling system to utilize renewable heat sources that can save energy consumption in a building.

The purpose of this study was to evaluate the energy consumption of absorption chiller in the MRC building, the evaluation was done by simulation using IES VE software, IES VE is software that help its users to design and evaluate phenomena in a building result Obtained from this simulation will be used in comparison to artificial intelligence result using artificial neural network and fuzzy method."

"Berdasarkan data Kementerian Perindustrian, industri kabel diperkirakan akan mengalami pertumbuhan sekitar 10% -15% beberapa tahun ke depan. Industri kabel saat ini sedang aktif menyuplai industri otomotif, kenaikan penjualan otomotif dan variasi produk ini yang sangat sulit di antisipasi permintaannya. Oleh karena itu, untuk menghadapi ketidakpastian ini, pelaku bisnis harus memiliki alat atau strategi agar rencana strategis perusahaan menjadi andal. Beberapa penelitian sebelumnya tentang prediksi jumlah stok produk di masa depan, menyimpulkan bahwa inventori, baik dalam bentuk bahan baku, barang dalam proses, produk setengah jadi dan produk jadi, pada biaya inventori 20% hingga 40% dari nilai produk. Dengan demikian, pengendalian inventori sangat penting dalam bisnis perusahaan. Kontribusi utama dari penelitian ini adalah membuat model pendukung keputusan dengan memprediksi pesanan dari pelanggan untuk meminimalkan risiko kegagalan persediaan. Oleh karena itu, kombinasi Fuzzy Analytic Hierarchy Process (Fuzzy AHP) dan Artificial Neural Network (ANN) dilakukan untuk manajemen inventori.

---

Based on data from the Ministry of Industry, the cable industry is expected to experience growth of around 10% -15% in the next few years. The cable industry is currently actively supplying the automotive industry, the increase in automotive sales and variations in these products are very difficult to anticipate demand. Therefore, to deal with this uncertainty, business people must have a tool or strategy so that the company`s strategic plan becomes reliable. Some previous studies on the prediction of the number of product stocks in the future, concluded that inventory, both in the form of raw materials, in-process goods, semi-finished products and finished products, at inventory costs 20% to 40% of product value. Thus, inventory control is very important in the company`s business. The main contribution of this research is to make a decision support model by predicting orders from customers to minimize the risk of inventory failure. Therefore, a combination of Fuzzy Analytic Hierarchy Process (Fuzzy AHP) and Artificial Neural Network (ANN) is carried out for inventory management."

"Pada masa sekarang ini perkembangan teknologi cenderung memiliki kemampuan untuk berpikir dan mengambil keputusan layaknya manusia. Salah satu dari banyak metode untuk mengembangkan teknologi yang cerdas adalah dengan menggunakan Adaptive Neuro Fuzyy Inference System. Penelitian ini dilakukan dengan menerapkan ANFIS tipe Sugeno pada data-data penelitian umum, seperti data tanaman iris dan data ionosphere, melihat efek perubahan parameter-parameter terhadap recognisinya, lalu melakukan ANFIS terhadap data citra wajah.

---

The technology nowadays tends to have abbility to think and to size up decision, just like us humans. One of the kind of method to enhance smart technology is by using Adaptive Neuro Fuzyy Inference System. This research is done by using ANFIS Sugeno type on general research data, such as iris plant data and ionosphere data, observing the effect of the changing parameter over the recognition, then using ANFIS on face image data."

"ABSTRAKIndeks harga saham merupakan indikator yang menggambarkan pergerakan harga sekelompok saham. Salah satu indeks harga saham yang terdapat di Indonesia adalah IHSG Indeks Harga Saham Gabungan . Terdapat banyak manfaat dari mengikuti pergerakan IHSG, salah satunya untuk meminimalisir kerugian dari berinvestasi dalam pasar saham. Oleh karena itu, akan dilakukan prediksi nilai IHSG. Metode yang akan digunakan adalah ANFIS Adaptive Neuro-Fuzzy Inference System dan SVR Support Vector Regression yang merupakan pengembangan dari metode ANN Artificial Neural Network . Selanjutnya performa keduanya akan dibandingkan. Hasil percobaan menghasilkan SVR sedikit lebih baik dari segi keakuratan dibandingkan ANFIS. Nilai keakuratan dari SVR yaitu 78,35 , 97,93 , dan 98,96 sedangkan keakuratan ANFIS yaitu 77,31 , 96,90 , dan 98,80 masing-masing untuk hasil prediksi yang nilai eror relatifnya di bawah 1 , 2 , dan 3 . Maksimum keakuratan dan running time pada ANFIS bergantung banyaknya hari yang digunakan untuk prediksi. Semakin banyak hari yang digunakan untuk prediksi, maka nilai keakuratannya semakin rendah dan running time semakin lama. Sedangkan maksimum keakuratan dan running time pada SVR tak bergantung pada banyaknya hari yang digunakan untuk prediksi. Dalam skripsi ini disajikan pula hasil sampingan berupa clustering berdasarkan eror relatif hasil prediksi menggunakan FKCM Fuzzy Kernel C-Means . Tujuan dari clustering ini yaitu mengecek apakah hasil prediksi yang dihasilkan ANFIS dan SVR kurang dari suatu nilai eror relatif yang ditetapkan.

---

ABSTRACTStock index reflects the price movement a group of stock. There are many stock indices in the world. JKSE Jakarta Composite Index is one of stock index in Indonesia. There are many benefits in following JKSE value, one of them to minimize the loss in stock investment. Therefore, JKSE value will be predicted. The method used are ANFIS Adaptive Neuro Fuzzy Inference System and SVR Support Vector Regression which are development of ANN Artificial Neural Network method. The performance of these two method will be compared. The experiment result gives that SVR is slightly better in terms of accuracy than ANFIS. The accuracy values of SVR are 78,35 , 97,93 , dan 98,96 while the accuracy of ANFIS are 77,31 , 96,90 , dan 98,80 each for a predicted result whose relative eror value is below 1 , 2 , dan 3 . The maximum accuracy and running time on ANFIS depend on how many days are used for prediction. The more days used for prediction will give the lower accuracy and longer running time. While the maximum accuracy and running time on SVR does not depend on the number of days used for prediction. In this thesis, presented also clustering based on relative error from the predicted result using FKCM Fuzzy Kernel C Means . The purpose of this clustering is to check whether the prediction result by ANFIS and SVR is less than a relative error value set."

"Pengendali logika fuzzy biasa mampu memperbaiki tanggapan waktu suatu sistem kendali. Keberhasilan pengendali logika fuzzy biasa ini, sangat dipengaruhi oleh pengetahuan seorang operator ahli dalarn menentukan nilai-nilai aturan fuzzy, fungsi keanggotaan masukan dan keluaran fuzzynya. Kendala tersebut dapat diatasi dengan menerapkan jaringan syaraf buatan (intelligent neural ntwork) ke dalam perancangan pengendali logika fuzzy. Pada tugas sloipsi ini mencoba menerapkan sualu struktur jaringan syaraf buatan pada perancangan pengendali Iogika fuzzy untuk mengendalikan suatu sistem kendali yang selanjutnya disimulasikan dengan suatu perangkat lunak sederhana (visual basic 3.0). Struktur jaringan syaraf buatan tersebut adalah struktur normalized fuzzy neural network (NT-NN). Pengendali yang dirancang disebut pengendali NFNN. Dalam pengendalian suatu sistem, pengendali NFNN ini membutuhkan suatu identifikasi. Identifikasi disini berfungsi untuk memperoleh perubahan sinyal keluaran plant terhadap perubahan sinyal masukan plant. Dengan kemampuan belajar dari jaringan syaraf buatannya, pengendali NFNN ini mampu memperbaharui nilai aturan fuzzy, fungsi keanggotaan masukan dan fungsi keanggotaan keluaran dalam usaha memperbaiki keluaran suatu sistem kendali. Dengan demikian, pengendali NFNN ini mengurangi kerja operator ahli dalam menentukan nilai aturan-aturan fuzzy, timgsi keanggotaan masukan dan keluaran fuzzy. Hasil simulasi yang dilakukan dengan menggunakan pengendali NFNN ini diperoleh perbaikan pada rise time, settling time, dan kesalahan tunak suatu sistem yang dikendalikan."

"Pada skripsi ini dibahas tentang simulasi dan perancangan pengendalian sistem Tangki Berhubungan Multivariabel (3 x 3) dengan menggunakan Neural Network model Kendali lnvers Langsung (Direct Inverse Control / DIC). Pengendali Neural Network model Kendali Invers Langsung mencari invers dari plant sehingga pengendali NN model DIC yang dirangkai seri dengan plant menghasilkan fungsi alih satu satuan, sehingga keluaran sistem akan sama dengan sinyal referensi yang diberikan. Penghilangan interaksi (kopling) yang terjadi pada sistem Tangki Berhubungan Multivariabel dilakukan dengan perancangan dekopling yang menggunakan metode Relative Gain Matrix. Perancangan dan simulasi sistem pengendalian Neural Network model Kendali Invers Langsung ini menggunakan program Matlab versi 6.1. Perbandingan antara analisa tanggapan waktu terhadap sistem kendali yang dirancang dengan sistem kendali Proportional Integral Derivartive (PID) dan sistem kendali Logika Fuzzy menghasilkan tanggapan untuk mencapai keadaan steady srare,dan pada Neural Network model Kendali Invers langsung lebih cepat dibandingkan dengan tanggapan waktu yang dihasilkan oleh pengendali konvensional PID dan Fuzzy."