Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kebiasaan belajar adalah teknik yang menetap pada diri siswa pada waktu menerima pelajaran, mcmbaca buku, mengeujakan tugas, dan mengatur waktu untuk menyelesaikan kegiatan (Djaali, 2008). Kebiasaan belajar di ruma11 yang efelctifditandai dengan: melakukan kegiatan belajar secara teratur, mempersiapkan semua kcperluan bclajar sebelum keesokan harinya berangkat ke sekolah, dan terbiam belajar hingga benar-benar memahami materi yang dipelajari (Liang Gie, 1995). Program ini bertujuan mengubah kebiasaan belzgiar di rumah yang tidak teramr menjadi teratur melalui moditikasi perilalcu yang menerapkan prinsip-prinsip posilive reinforcement. Suhyek dalam penelitian ini bernama P, ia adalah seorang murid kelas 1 SD yang ‘berusia 6 tahum 8 bulan. Setelah dilakukan intcrvensi, P dapat belajar secara temmr, sehingga bisa disimpulkan bahwa positive reinjbrcemenf efektif untuk membentuk kebiasaan belajar. Untuk penelitian selanjutnya disarankan agar materi yang dipelajari hendaknya fokus pada satu mata pelajaran, dibuat program untuk menumbuhkan motivasi intemal, tingkatkan pnoporsi belqjar selain mengerjakan PR, libatkzm kedua kakak P dalam kegiatan belajar, dan lakukanjbllow agp.

---

Study habit is a technique which is attained in a student by the time he gets study materials, reading books, does school works and manages his time in order to iinish his work (Djaali, 2008). Effective study habit at home is marked by: studying regularly, preparing everything which is needed before going to school the next day, and being used to study for understanding the study topic (Liang Gie, 1995).

The aim ofthis program is to modify unregular study habit at home into regular study habit by behavior modification wh ich uses the principal of positive reinforcement. Subject in this research is P, a first grader who is 6 years 8 months old.

After intervention, P succeeded in studying regularly, so it can be concluded that positive reinforcement is effective in shaping study habit. For tirture research the suggestions are the learning material studied should focus on only one sujea, an additional program should be designed to develop intemal motivation, time for leaming new materiats should be increased besides doing homework, the program should be implemented on both P’s sibling, and follow up is needed."

"Tugas akhir ini membahas mengenai pemberian program modifnkasi perilaku pada anak usia sekolah yang memiliki rentang perhatian yang pendek dan kecerdasan yang berada pada mmf slow learner. Target perilaku dalam modifikasi pcrilaku ini adalah duduk tenang mmbil melakukan aktivitas belajar. Program moditikasi perilaku yang diberikan bertujuan untuk meningkatkan rentang perhatian anak dalam melakukan aktivilas beiajar. Adapun metode modiiikasi perilaku yang digunakan adalah positive reinjnmemenr dengan teknik token economy. Hasil modiiikasi perilaku memmjukkan bahwa program ini efektif untuk meningkatkan rentang pcrhatian anak dalam melakukan aktivitas bclajar.

---

This final project discussed about behavior modification program to middle childhood child, who have short attention span and slow learner intelligence. The behavioral target in this modification program is to sit appropriately while doing learning activities. The objective of this modification program is to improve child attention span while doing learning activities. The method of this program is positive reinforcement by token economy technique. The result shows that the behavior modification program is effective to improve child attention span while doing learning activities. The behavioral modification method that was used"

"Tugas akhir ini membahas mengenaj penerapan modiiikasi perilaku dengan metode positive reinforcement dalam melatih ketrampilan minum menggunakan sedotan pada anak dengan gangguan keterbelakangan mental berat. Tujuan dari intcrvcnsi ini adalah rneningkatkan iickuensi minum mcnggunakan sedotan. Penerapan modifikasi perilaku yang bcrhasil diiakukan sebanyak delapan sesi dalam waktu delapan had. Hasil penelitian menunjukkan bahwa metode positive reinfzrcement cukup efektif dalam melatih perilaku minum menggunakan sedotan pada anak dengan gangguan keterbelakaugan mental berat.

---

This final exam discusses the implementation of behavior moditication, especially positive reinforcement method in training straw-drinking skill for children with severe mental retardation. The objective of this intervention was to increase the frequency of sucking in straw-drinking. The intervention of behavior modification was implemented in eight sessions during eight days. This research showed that the positive reinforcement method was effective in training straw-drinking skill for children with severe mental retardation."

"Salah satu syarat utama kendaraan taktis adalah mampu menahan penetrasi peluru sehingga menjamin keselamatan pasukan tentara yang berada di dalamnya. Saat ini material untuk kendaraan taktis berasal dari baja yang memiliki densitas tinggi sehingga cenderung berat dan menghambat mobilitas kendaraan taktis tersebut. Maka dikembangkan material yang lebih ringan namun memiliki ketangguhan yang sama dengan baja, yaitu material komposit bermatriks aluminium, sedangkan penguat ditambahkan adalah zirkonia (ZrO2) yang memiliki sifat ketangguhan terhadap retak yang tinggi. Untuk meningkatkan sifat mekanik komposit bermatriks aluminium tersebut juga diberi perlakuan panas. Pada penelitian ini, dikembangkan komposit bermatrik paduan Al-13.20Zn-6.38Mg-6.67Si-1.38Cu (wt.%) dengan variasi penguat 5, 7.5, dan 10 vol.% partikel ZrO2 yang difabrikasi melalui proses squeeze casting. Untuk meningkatkan ketangguhan terhadap beban balistik, komposit tersebut diberi laku pelarutan pada temperatur 450 0C selama 1 jam, dilanjutkan dengan laku penuaan pada temperatur 200 0C. Karakterisasi material yang dilakukan, antara lain pengujian kekerasan Rockwell B untuk mendapatkan kurva penuaan, pengujian impak, analisis fraktografi, analisis struktur mikro menggunakan mikroskop optik dan Scanning Electron Microscope (SEM), serta pengujian komposisi dengan Energy Dispersive X-Ray (EDX). Terakhir, dilakukan pengujian balistik dengan menggunakan senjata SPR-1 dan proyektil kaliber 7.62 mm dari jarak 15 m. Dari hasil pengujian, diperoleh bahwa komposit yang difabrikasi tidak homogen. Namun berdasarkan pengujian yang telah dilakukan, saat penuaan puncak kekerasan tertinggi dicapai saat penambahan 7.5 vol.% ZrO2, yaitu 71.48 HRB. Penambahan partikel penguat ZrO2 tidak memberikan pengaruh yang signifikan terhadap harga impak. Pengamatan struktur mikro melalui mikroskop optik menunjukkan bahwa tidak tampak partikel ZrO2 tersebar dalam matirks. Berdasarkan pengamatan menggunakan SEM, partikel ZrO2 mengelompok dan menginisiasi rongga Pengujian balistik dilakukan pada tiga lapis pelat komposit bermatriks Al-Zn-Mg-Cu berpenguat 7.5 vol.% ZrO2 dengan kadar Si: 4.03 (lapisan 1), 6.94 (lapisan 2), dan 1.50 (lapisan 3). Tiga lapis pelat komposit tersebut tidak mampu menahan penetrasi peluru.

---

One of the main requirement for tactical vehicle is bulletproof to ensure the safety of troops inside the vehicle. Common material for tactical vehicle is steel-based material, that has high toughness but heavy, which impedes its mobility. Aluminum composite is being developed for tactical vehicle because it is lighter than steel but still having high toughness. Zirconia (ZrO2) particulate is added to aluminum matrix as reinforcement due to has high fracture toughness. Heat treatment is given to aluminum composite to improve mechanical properties.

In this research, Al-13.20Zn-6.38Mg-6.67Si-1.38Cu (wt.%) composite with addition of 5, 7.5, and 10 vol.% ZrO2 particulate were fabricated by squeeze casting. To gain higher toughness toward ballistic impact, the composite was solution treated at 450 0C for 1 hour, then aged at 200 0C. Material characterizations consisted of Rockwell B hardness testing to construct ageing curve, impact testing, fractography analysis, microstructure analysis using optical microscope and Scanning Electron Microscope (SEM), and microanalysis using Energy Dispersive X-Ray (EDX). The composite was then tested by SPR-1 rifle with 7.62 mm bullet from the distance of 15 m.

The results showed that the composite fabricated did not have uniform characteristics all over the sample. Based on the material testings which had done, highest hardness was achieved by 7.5 vol.% ZrO2, with the value of 71.48 HRB. Addition of ZrO2 did not affect significantly to the impact value. Observation of microstructure by using optical microscope showed that there was no zirconia found in the matrix. Based on the SEM observation, ZrO2 clustered and initiated porous. Ballistic testing was done to three layers of 7.5 vol.% ZrO2 strengthened with silicon content: 4.03 (layer 1), 6.94 (layer 2), dan 1.50 (layer 3). Those composite were not able to withstand 7.62 mm bullet penetration."

"Material untuk aplikasi peralatan militer (balistik) didesain untuk menahan tembakan peluru yang pada aplikasinya dibutuhkan sifat tangguh terhadap beban impak balistik. Selain itu diperlukan sifat yang kuat dan ringan. MMC dengan matriks aluminium sangat populer untuk dikembangkan karena aluminium memiliki berat yang ringan dan sifat mekanis yang baik. Untuk mendapatkan kekerasan tanpa mengorbankan ketangguhan, diperlukan penambahan elemen paduan pada matriks. Dalam penelitian ini dikembangkan material variasi paduan 1, 3.85 dan 4 wt.% Si pada matriks Al–12Zn–6Mg-1Cu dengan penguat 7.5 vol.% ZrO2 hasil squeeze casting. Untuk meningkatkan ketangguhan komposit, dilakukan laku pelarutan pada suhu 450oC selama 1 jam kemudian dilakukan pengerasan penuaan pada suhu 200°C. Karakterisasi material dilakukan untuk melihat efek penambahan Cu pada komposit. Karakterisasi material yang dilakukan diantaranya pengujian kekerasan dengan metode Rockwell B, pengujian impak, analisis struktur mikro menggunakan mikroskop optik dan Scanning Electron Microscopy (SEM), kemudian dilakukan pengujian balistik dengan peluru tipe III berkaliber 7.62 mm. Hasil pengujian menunjukkan bahwa semakin tinggi kadar Si yang diberikan maka kekerasan menurun mencapai 67.26 HRB yang diikuti dengan turunnya keuletan sehingga harga impak menurun menjadi 0.469 J/mm2 akibat kegetasan material. Komposisi komposit belum mampu menahan beban impak balistik akibat sifat yang terlalu getas. Kegagalan ini juga diakibatkan oleh partikel ZrO2 yang menginisiasi porositas.

---

Materials for military equipment application (ballistic) designed to withstand bullets, so that they need high toughness. Beside that, they also need strong and light weight materials. MMC with aluminum matrix is very popular to be developed because aluminum has a light weight and good mechanical properties. To obtain high hardness without sacrifiying the toughness, alloying elements are added in the matrix.

This study evaluate Al-12Zn-6Mg-1Cu alloy added with 1, 3.85 and 4 wt. % Si with 7.5 vol. % ZrO2 as reinforcement. Manufacturing process was squeeze casting to assume good mixing of ZrO2 particulates. To improve the toughness, composite were solution treated at 450 oC for 1 hour and the aged at 200°C.

Materials characterization included composition analysis using Optical Emission Spectroscopy (OES), hardness testing (Rockwell B), impact testing (charpy method), microstructure analysis using optical microscopy and Scanning Electron Microscopy (SEM), then ballistic testing with type III bullets of 7.62 mm callibre.

The results show that the higher the Si content, the higher peak hardness of the composite decrease which is proceeded by 67.26 HRB, and impact energy of the composite decrease which is proceeded by 0.469 J/mm2 . With age hardening, the toughness of the composite higher than as-cast condition. This composite were not able to resist penetration of projectile with 7.62 mm bullet."

"Penelitian ini bertujuan untuk mengetahui pengaruh penerapan Teknik. Differential Reinforcement of Other Behavior (ORO) dengan penggunaan token reinforcer dalam menurunkan perilaku bermain Play Station dan meningkatkan perilaku mengerjakan tugas akademis yang diterapkan pada anak usia sekolah (seorang anak laki-laki, usia 8 tahun). Hasil penelitian menunjukkan subjek mengalami perubahan perilaku menurunnya durasi bermain play station dan meningkatnya durasi kegiatan akademik setelah mengikuti 10 sesi pertemuan. Penelitian ini didukung oleh kehadiran beberapa literatur penelitian dalam area penggunaan teknik DRO untuk mengatasi pennasalahan seputar perilaku mengganggu dan pennasalahan dalam koridor akademis. Lebih lanjut, adanya batasan dalam penelitian ini disampaikan dalam diskusi.

---

This study aims to determine the effect of the application of techniques. Differential Reinforcement of Other Behavior (ORO) with the use of token reinforcer in reducing Play Station behavior and improving behavior in performing academic tasks applied to school-age children (a boy, age 8 years).

The results showed the subject experienced a change in behavior decreasing the duration of playing station and increasing the duration of academic activities after attending 10 meeting sessions. This research is supported by the presence of several research literature in the area of ​​using DRO techniques to address problems surrounding disturbing and problematic behavior in academic corridors. Furthermore, the limitations in this study were presented in the discussion."

"Sistem coupled tank merupakan salah contoh penerapan sistem kontrol level industri yang memiliki karakteristik yang kompleks dengan non linieritas yang tinggi. Pemilihan metode pengendalian yang tepat perlu dilakukan untuk dapat diterapkan dalam sistem coupled tank agar dapat memberikan kinerja dengan presisi tinggi. Sejak awal kemunculannya, Reinforcement Learning (RL) telah menarik minat dan perhatian yang besar dari para peneliti dalam beberapa tahun terakhir. Akan tetapi teknologi ini masih belum banyak diterapkan secara praktis dalam kontrol proses industri. Pada penelitian ini, akan dibuat sebuah sistem pengendalian level pada sistem coupled tank dengan menggunakan Reinforcement Learning dengan menggunakan algoritma Twin Delayed Deep Deterministic Policy Gradient (TD3). Reinforcement Learning memiliki fungsi reward yang dirancang dengan sempurna yang diperlukan untuk proses training agent dan fungsi reward tersebut perlu diuji terlebih dahulu melalui trial and error. Performa hasil pengendalian ketinggian air pada sistem coupled tank dengan algoritma TD3 mampu menghasilkan pengendalian yang memiliki keunggulan pada rise time, settling time, dan peak time yang cepat serta nilai steady state eror sangat kecil dan mendekati 0%.

---

The coupled tank system is an example of the application of an industrial level control system that has complex characteristics with high non-linearity. It is necessary to select an appropriate control method to be applied in coupled tank systems in order to provide high-precision performance. Since its inception, Reinforcement Learning (RL) has attracted great interest and attention from researchers in recent years. However, this technology is still not widely applied practically in industrial process control. In this research, a level control system in a coupled tank system will be made using Reinforcement Learning using the Twin Delayed Deep Deterministic Policy Gradient (TD3) algorithm. Reinforcement Learning has a perfectly designed reward function that is required for the agent training process and the reward function needs to be tested first through trial and error. The performance of the results of controlling the water level in the coupled tank system with the TD3 algorithm is able to produce controls that have advantages in rise time, settling time, and peak time which are fast and the steady state error value is very small and close to 0%."

"Sistem coupled tank merupakan salah contoh penerapan sistem kontrol level industri yang memiliki karakteristik yang kompleks dengan non linieritas yang tinggi. Pemilihan metode pengendalian yang tepat perlu dilakukan untuk dapat diterapkan dalam sistem coupled tank agar dapat memberikan kinerja dengan presisi tinggi. Sejak awal kemunculannya, Reinforcement Learning (RL) telah menarik minat dan perhatian yang besar dari para peneliti dalam beberapa tahun terakhir. Akan tetapi teknologi ini masih belum banyak diterapkan secara praktis dalam kontrol proses industri. Pada penelitian ini, akan dibuat sebuah sistem pengendalian level pada sistem coupled tank dengan menggunakan Reinforcement Learning dengan menggunakan algoritma Twin Delayed Deep Deterministic Policy Gradient (TD3). Reinforcement Learning memiliki fungsi reward yang dirancang dengan sempurna yang diperlukan untuk proses training agent dan fungsi reward tersebut perlu diuji terlebih dahulu melalui trial and error. Performa hasil pengendalian ketinggian air pada sistem coupled tank dengan algoritma TD3 mampu menghasilkan pengendalian yang memiliki keunggulan pada rise time, settling time, dan peak time yang cepat serta nilai steady state eror sama dengan 0%.

---

The coupled tank system is an example of the application of an industrial level control system that has complex characteristics with high non-linearity. It is necessary to select an appropriate control method to be applied in the coupled tank system in order to provide high-precision performance. Since its inception, Reinforcement Learning (RL) has attracted great interest and attention from researchers in recent years. However, this technology is still not widely applied practically in industrial process control. In this research, a level control system in a coupled tank system will be created using Reinforcement Learning using the Twin Delayed Deep Deterministic Policy Gradient (TD3) algorithm. Reinforcement Learning has a perfectly designed reward function that is required for the agent training process and the reward function needs to be tested first through trial and error. The performance of the results of controlling the water level in the coupled tank system with the TD3 algorithm is able to produce controls that have advantages in rise time, settling time, and peak time which are fast and the steady state error value is equal to 0%."

"Pengendalian ketinggian atau biasa disebut Level Controller adalah hal yang penting di berbagai bidang industri, termasuk industri kimia, industri minyak bumi, industri pupuk, industri otomatif dan lain-lainnya. Pada penelitian ini, dirancang sebuah pengendali non-konvesional menggunakan Reinforcement Learning dengan Twin Delayed Deep Deterministic Polic Gradient (TD3). Agent ini diterapkan pada sebuah miniature plant yang berisi air sebagai fluidanya. Miniature plant ini disusun dengan berbagai komponen yaitu flow transmitter, level transmitter, ball-valve, control valve, PLC, dan pompa air. Kontroler agent TD3 dirancang menggunakan SIMULINK Matlab di computer. Data laju aliran dan ketinggian air diambil melalui flow transmitter dan level transmitter yang dikoneksikan dengan OPC sebagai penghubung antara Matlab ke SIMULINK. Penerapan agent TD3 pada sistem pengendalian ketinggian air digunakan pada dua kondisi yaitu secara riil plant dan simulasi. Dari penelitian ini didapatkan, bahwa kontroler agent TD3 dapat mengendalikan sistem dengan baik. overshoot yang didapatkan kecil yaitu 0,57 secara simulasi dan 0,97 secara riil plant.

---

In this study, the level controller is the most important in many industry fields, such as chemical industry, petroleum industry, automotive industry, etc., a non-conventional controller using Reinforcement Learning with Twin Delayed Deep Deterministic Policy Gradient (TD3) agent was designed. This agent was implemented in water contain the miniature plant. This miniature plant consists of many components: flow transmitter, level transmitter, ball-valve, control valve, PLC, and water pump. Agent controller was designed using SIMULINK Matlab on a computer, which obtained flow rate and height information comes from flow transmitter and level transmitter connected to OPC that link between Matlab to SIMULINK. Implementation of TD3 to control water level system used two conditions, in real plant and simulation. In this study, we obtain that the TD3 agent controller can control the designs with a slight overshoot value, namely 0,57 in the simulation and 0,97 in the real plant."