Hasil Pencarian  ::  Simpan CSV :: Kembali

"Cognitive system modeling first introduced by psychology researchers. Unfortunately, the model has not been sufficient in supporting computer based problem solving. For that reason, artificial intelligence tries to propose a computational model of cognitive system. The main purpose of the computational model is to support human in solving complex problems, especially problem that involve large number of data, uncompleted data, and problem solving that requires systematic approach as human does. This research proposes and engineering of such multiagent bases cognitive system, which employs case bases reasoning as imitation of human reasoning to maintain the knowledge base."

"Teknik berpikir vertikal melakukan penelusuran pohon basis pengetahuan secara pre-order, yaitu penelusuran yang dimulai dari kunjungan ke simpul awal (akar), kemudian diteruskan dengan mengunjungi simpul anak kiri. Jika simpul tersebut ditemukan atau kunjungan berhasil, maka kunjungan dilanjutkan ke simpul anak kiri yang lebih dalam. Demikianlah seterusnya, berhasilnya kunjungan pada sebuah simpul akan diteruskan ke simpul anak kiri yang lebih dalam lagi. Sebaliknya jika terjadi kegagalan dalam kunjungan pada suatu simpul, maka kunjungan dialihkan ke simpul anak kanan pada kedalaman yang sama. Kegagalan dalam suatu kunjungan pada suatu simpul akan mengakibatkan penelusuran diarahkan ke simpul anak kanan pada kedalaman yang sama. Proses penelusuran ini dapat berjalan dengan cepat karena jalurnya sudah tertentu. Tetapi proses penelusuran ini dapat mengalami kegagalan jika dalam penelusuran tidak ditemukan lagi simpul anak kanan, padahal tujuan yang ingin dicapai yaitu simpul paling ujung belum dikunjungi. Ditinjau dari segi dialog antara pemakai dengan komputer, teknik ini bersifat monoton dan membosankan, sebab jawaban yang diberikan oleh pemakai sangat terbatas, sehingga para pemakai tidak dapat mengembangkan jawabannya. Berbeda dengan teknik penalaran vertikal, teknik penalaran lateral bersifat lebih luwes. Di dalam teknik ini diperbolehkan terjadi lompatan-lompatan di dalam pohon basis pengetahuan guns, memperoleh berbagai macam alternatif. Penelusuran dalam pohon basis pengetahuan tidak mengikuti aturan tertentu, tetapi sesuai dengan permintaan pemakai. Teknik ini tidak menekankan pada pencapaian tujuan, tetapi lebih cenderung pada proses pencarran jalan alternatif dan pengembangan ide-ide baru dari pemakai, sehingga prosesnya berjalan lambat. Dialog antara pemakai dan komputer lebih bersifat manusiawi, karena pemakai dapat menggunakan bahasa alami. Gabungan kedua teknik penalaran tersebut di atas akan dapat menghasilkan teknik penalaran yang lebih canggih dan handal. Kegagalan dalam penelusuran dapat dihindari, dialog antara pemakai dengan komputer menjadi lebih bersifat manusiawi dan pemakai dapat mengembangkan ide-idenya dalam bahasa alami. "

"Penggunaan citra sidik jari untuk berbagai macam aplikasi telah banyak dikembangkan, antara lain untuk sistem keamanan, klasifikasi sidik jari, identifikasi manusia dan digunakan oleh kepolisian untuk mengidentikasi orang yang dicurigai atau terlibat dalam suatu kejahatan. Pada identifkasi tersebut masih sering digunakan metode konvensional, yaitu dilihat secara visual berdasarkan pada parameter yang ada pada buku pedoman dan petunjuk identifkasi di kepolisian. Dari beberapa metode yang telah dikembangkan untuk mengganti metode konvensional tersebut, diperlukan parameter pengontrol yaitu nilai bobot yang sesuai agar kesalahan (error) pelatihan dan pengecekan mendekati nol. Sehingga dalam mendapatkan nilai parameter yang sesuai tersebut dilakukan dengan coba-coba (trial and error) dan epoch yang besar serta dibutuhkan waktu yang lama.Dalam penelitian ini, mengembangkan pemrograman modul pemrosesan citra menggunakan software Matlab versi 6.5 untuk mendapatkan data sudut rata-rata alur sidik jari (code arah) dan bifurkasi, serta proses pengenalan pola sidik jari menggunakan sistem penalaran adaptif yaitu sistem yang dapat mengontrol kesalahan (error) pelatihan dan pengecekan berbasis jaringan saraf dan logika fuzzy (neurofuzzy) dengan menggunakan tools Adaptive Neuro Fuzzy Inference System (ANFIS) yang ada di Matlab. Adapun sistem pengenalan pola sidik jari dilakukan dalam dua modul yaitu modul pemrosesan dan modul pengenalan. Pada modul pemrosesan terdiri dari proses pengambilan data citra yang berbeda dengan menggunakan scanning, proses perubahan citra sidik jari menjadi citra hitam-putih (biner), prosess penipisan (thinning) dan selanjutnya dilakukan ekstraksi citra sidik jari. Dalam modul pengenalan, dilakukan proses pengenalan data-data kode arah dan bifurkasi dari citra sidik jari yang berbeda menggunakan sistem penalaran adaptif berbasis neuro fuzzy.Dari hasil penelitian, waktu untuk proses pengenalan dan pengecekan pola sidik jari menggunakan sistem penalaran adaptif berbasis neuro-fuzzy 6 detik dan epoch 100, lebih cepat dibandingkan dengan pengenalan pola sidik jari berbasis jaringan saraf (neural network) selama 14 detik Semakin kecil error rata-rata pengenalan pola sidik jari maka prosentase kemiripan watt kecocokan dengan citra target semakin besar. Prosentase kemiripan pada pengenalan pola sidik jari berdasarkan data kode arah mencapai 99%, jauh lebih tinggi dan lebih baik prosentasenya dibandingkan dengan pengenalan pola sidikjari berdasarkan data bifukasi yang hanya mencapai 76%.

---

Fingerprint images that used for divers kinds of application has been developed among others for security system, classification of fingerprint, identification of human being and also used by the police to identify any suspects or those engaged in a crime. The conventional identification method is frequently used, namely by means of visual identification based on the existing parameters in the directory of identification book From some methods that have been developed to replace the conventional method, appropriate control parameters are needed so error in training and checking is close to zero, therefore trial and error is carried out to get such appropriate parametric values and great epoch with time is longer.

In this research, we developed programming of the image processing module used Matlab software version 6.5 to have bifurcation code data and bifurcation data, and fingerprint pattern recognition process using adaptive reasoning system, namely a system which can control error of training and checking close to zero based on neural network and fuzzy logic with used Adaptive Neuro Fuzzy Inference System (ANFIS) tools in Matlab. The fingerprint pattern recognition system is carried out in two modules, that is processing module and recognition module. The processing module consists of a process of image data collection, which is different from the one, which uses scanning; a process of changing fingerprint images to black and white (binary) images, followed then by a process of thinning and then fingerprints extraction. In the recognition module, a process of identification of data on code of direction and bifurcation of fingerprint images, which is different from the one, which uses adaptive reasoning system, based on neuro-fuzzy.

From the result of research, we have time of fingerprint recognition using adaptive reasoning system based on neuro-fuzzy is 6 second and epoch 100, it is faster then fingerprint recognition using neural network If average errors is small then percentage of similarity input images with target fingerprint images are bigger. Percentage of similarity fingerprint recognition based on direction code is 99%, it is higher and most good then percentage fingerprint recognition based on bifurcation data that just result is 76%."

"Sebuah sistem berbasis ontologi saat ini dapat melakukan penalaran logis melalui Web Ontology Language - Description Logic (OWL-DL). Namun untuk melakukan penalaran probabilistik, sistem tersebut harus menggunakan basis pengetahuan terpisah, pemrosesan terpisah, atau aplikasi pihak ketiga. Studi-studi terdahulu seperti BayesOWL, MEBN/PR-OWL, dan OntoBayes utamanya berfokus kepada bagaimana merepresentasikan informasi probabilistik dalam ontologi dan melakukan penalaran terhadapnya. Pendekatan-pendekatan tersebut tidak cocok bagi sistem-sistem yang telah memiliki basis pengetahuan ontologi dan Bayesian network (BN) yang telah berjalan/operasional karena pengguna harus menulis ulang informasi probabilistik yang terkandung dalam BN ke dalam ontologi. Penelitian ini mengusulkan konsep pemaduan Bayesian network ke dalam ontologi dan sebaliknya yang menyediakan solusi penalaran logis dan probabilistik secara simultan tanpa harus menulis ulang informasi probabilistik yang terkandung dalam BN ke dalam ontologi. Metode yang digunakan adalah dengan cara menentukan aturan transformasi lalu mengembangkan morpher/transformer berdasarkan aturan dan algoritma dalam sebuah kerangka kerja untuk melakukan penalaran logis dan probabilistik secara simultan. Kerangka kerja tersebut kemudian diuji dengan validasi logis, validasi empiris, dan penilaian pakar (expert judgement) untuk membuktikan validitasnya. Hasil validasi logis menunjukkan bahwa algoritma-algoritma transformasi yang diusulkan terbukti valid dan memenuhi kriteria time complexity dan decidability. Hasil validasi empiris menunjukkan bahwa kerangka kerja yang dibangun terbukti mampu mentransformasikan informasi yang terkandung dalam basis pengetahuan Bayesian network ke dalam ontologi dan demikian pula sebaliknya. Adapun hasil penilaian pakar memperkuat hasil validasi empiris yang dilakukan terhadap kasus-kasus uji yang diambil. Hasil berbagai pengujian tersebut menunjukkan bahwa kerangka kerja yang diusulkan terbukti mampu menyelesaikan permasalahan yang membutuhkan kesatuan penalaran logis dan probabilistik dalam sebuah sistem pengetahuan berbasis ontologi.

---

An ontology-based system can currently logically reason through the Web Ontology Language Description Logic (OWL-DL). To perform probabilistic reasoning, the system must use a separate knowledge base, separate processing, or third-party applications. Previous studies such as BayesOWL, MEBN/PR-OWL, and OntoBayes mainly focus on how to represent probabilistic information in ontologies and perform reasoning through them. These approaches are not suitable for systems that already have running ontologies and Bayesian network (BN) knowledge bases because users must rewrite the probabilistic information contained in a BN into an ontology.

This study proposes the concept of integrating BN into ontology and vice versa which provides simultaneous logical and probabilistic reasoning solution without having to rewrite probabilistic information contained in BN into ontology. The method used is by determining the rules of transformation and then develop a morpher/transformer based on the rules and the algorithms in the form of a framework for simultaneous logical and probabilistic reasoning. The framework is then tested by using logical validation, empirical validation, and expert judgement to prove its validity. The logical validation results show that the transformation algorithms are proven valid and meet the criteria of time complexity and decidability.

The results of empirical validation indicate that the built framework has been proven capable of transforming information contained in the Bayesian networks knowledge base into ontology and vice versa. The results of expert judgement strengthen the results of empirical validation conducted on the test cases taken. The results of these tests indicate that the proposed framework is proven to solve problems that require the unity of logical and probabilistic reasoning in an ontology-based knowledge system."

"Tesis ini membahas suatu model fasilitas perkakas kognitif yang dapat dikembangkan dalam suatu sistem Pengajaran Berbantuan komputer. Domain yang dipilih dalam model ini yaitu Strategi Belajar sebagai salah satu bidang kajian dalam psikologi. Secara keseluruhan, model dibagi atas beberapa modul sebagai fasilitas belajar yang diharapkan dapat mengembangkan proses berpikir kreatif dan kritis melalui eksplorasi bahan ajar dalam menentukan dan mengidentifikasi suatu strategi belajar. Cara yang ditempuh dalam menentukan suatu strategi belajar tersebut dapat dengan melakukan tanya-jawab dengan sistem melalui pencarian atribut-atribut yang dimiliki oleh suatu strategi belajar dan dapat juga dengan mengevaluasi suatu think-a-loud dan mengidentifikasi strategi belajar yang dikandungnya. Untuk memperoleh hasil belajar yang lebih mengembangkan proses berpikir kreatifkritis, sistem menyediakan fasilitas akuisisi data yang dapat digunakan oleh pemakai untuk menambahkan dan mengembangkan atribut-atribut (atau bahkan mengganti) beserta jenis strategi belajar yang lain. Melalui fasilitas akuisisi data, pemakai dapat mengisi slot form yang disediakan. Selain itu, mekanisma eksplanasi yang dapat dimanfaatkan sepanjang pemakaian sistem diharapkan juga membantu pemakai dalam mengembangkan pemahaman akan bahan ajar tersebut. Uji coba yang dilakukan untuk melihat akurasi dalam menentukan dan mengidentifikasi strategi belajar terutama modul evaluasi think-a-loud menunjukkan tingkat akurasi sekitar 84% dibandingkan terhadap hasil identifikasi yang dilakukan seorang pakar."

"Pada penelitian ini dilakukan rekayasa untuk mendapatkan kondisi yang optimum dari nanofluida TiO2 dengan memvariasikan konsentrasi nanofluida dan waktu sonikasi. Nanofluida dibuat dengan mendispersikan nanopartikel TiO2 dengan diameter partikel sebesar 21 nm dalam air, konsentrasi nanofluida sebesar 0,5-8,0 % volume dan waktu sonikasi adalah 5, 10, 15 dan 30 menit. Alat Decagon-KD2 digunakan untuk mengukur nilai konduktivitas termal nanofluida TiO2. Kondisi optimum nanofluida TiO2 dalam penelitian ini diperoleh pada waktu sonikasi selama 10 menit dengan konsentrasi 5 %, dimana nilai konduktivitas termal nanofluida sebesar 1,3 kali dari konduktivitas termal fluida dasarnya dan peningkatan konduktivitas termal sebesar 40 % dari nanofluida yang tidak disonikasi.

---

This study conducted engineering to obtain the optimum conditions of nanofluids TiO2 with varying concentrations and sonication time of nanofluids. Nanofluids synthesis performed with TiO2 nanoparticles 21 nm size was dispersed into the water based fluid. Various concentration is 0.5-8% vol and sonication time is 5. 10. 15. and 30 minutes. Decagon-KD2 instrument used to measured the thermal conductivity of nanofluids.

The result showed that the optimum sonication time is 10 minutes in 5 % volume concentration of TiO2 wich can increase 40 % thermal conductivity from the nanofluids with no sonication and 1.3 times higher than amount of the base fluids thermal conductivity."

"PLC yang dibuat berbasis mikrokontroler AT89C51. PLC ini memiliki 8 input digital (dengan kondisi aktif low), 8 output digital yang terdiri dari 16 terminal (menggunakan mechanical isolation), 8 LED indikator input untuk memonitor terminal input yang aktif / non aktif, 8 LED indikator output untuk memonitor terminal output yang aktif / non aktif, LED indikator run untuk memonitor sistem yang sedang bekerja, LED indikator program untuk memonitor sistem saat diprogram ulang, saklar pilih untuk kondisi run atau program, konektor RS232 untuk menghubungkan PLC dengan port serial komputer saat di program ulang. Prinsip kerja PLC ini secara singkat dapat diterangkan sebagai berikut, pada mode run, terminal input akan aktif jika menerima sinyal low dan akan menyalakan indikator input sesuai dengan input yang sedang aktif. Begitu juga dengan terminal output, akan bernilai low jika diaktifkan oleh software yang sudah diprogram ke dalam peralatan dan juga menyalakan indikator output. Pada mode program, semua terminal input dan output tidal( dapat diaktifkan, pada saat diprogram PLC hams dihubungkan dengan komputer melalui konektor RS232 ke port serial komputer. Dengan bantuan software pada komputer, data yang ada pada PLC dapat dibaca (read) kemudian disimpan dikomputer dan data baru dapat ditulis ke PLC (write)."