Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPada penelitian tahapan pertama ini telah dilakukan pengambilan data dengan menggunakan kamera CCD (Charge Coupled Device) berwarna terhadap suatu maket pemandangan yang terdiri dari beberapa kelas obyek karena respon sesuatu obyek terhadap beberapa panjang gelombang elektromagnetik adalah berbeda-beda, maka data hasil rekaman oleh kamera tersebut dipecah menjadi tiga jenis warna yaitu biru, hijau, dan merah.Untuk melaksanakan pemisahan kanal panjang gelombang elektromaknetik tersebut, telah dibuat suatu perangkat lunak komputer ImagePro, yang ditulis dalam bahasa pemrograman C, dan bekerja di bawah MS-Windows 3.1. yang dapat dijalankan pada IBM/PC-AT microcomputer jenis 286 ke-atas. Beberapa fasilitas tambahan seperti : image enhancement, filtering, cutting, statistical properties, format exchange, dual and frame processing, dan sebagainya telah pula diikutsertakan.Proses klasifikasi tanpa disupervisi atau clustering diterapkan dengan bantuan topologi ART2 dari jaringan Syaraf Tiruan untuk melihat bagaimana informasi data obyek tersebut dapat diklasifikasikan menjadi beberapa kelas yakni air, jalanan, tumbuhan, rumah atap genteng, dan rumah atap beton.Hasil klasifikasi dengan memanfaatkan jaringan syaraf buatan tersebut untuk tahap pertama ini telah cukup memuaskan secara kualitatif; walaupun hasil tersebut harus diuji tingkat ketelitiannya pada tahapan berikutnya dari rangkaian penelitian yang tengah dilaksanakan ini.

---

ABSTRACTIn the first stage of this research, it is done the data acquisition to several classes of objects on an artificial maquette scene by using a color CCD camera Due to object's responses in several electromagnetic waves are different to each other, then the recorded data can be splitted into three different colors channels, i.e. blue, green, and reed.In order to split those electromagnetic channels, it is designed a computer software called ImagePro, which is written in C-language, under MS-Windows 3.1, and can be run on an IBMIPC-AT microcomputer 286 processor or above. Several additional supporting features such as : image enhancement, filtering, cutting, statistical properties, format exchange, dual and frame processing, etc. are also included in the software.The unsupervised classification by using an artificial neural networks ART2 topology is applied, to observe how the those object's data can be classified. into several classes. i.e.: water, road, vegetation, red roof and concrete roof houses.The result of classification at the initial stage of the research provides an acceptable qualitative performance, although its accuracy should be tested later at the need stage of this midyears research plan."

"Tesis ini membahas perancangan pengendali berbasis logika fuzzy yang digunakan untuk pengendalian suhu barrel extruder beserta simulasinya. Model dinamika proses yang dikendalikan diturunkan berdasarkan aliran energi panas yang terjadi pada setiap barrel nya.Perancangan pengendali ini dengan menggunakan Fuzzy Logic Toolbox Using Matlab. Fungsi keanggotaan yang digunakan berbentuk segitiga, dengan representasi untuk masukan pengendali terdiri dari 5 himpunan fuzzy, dan untuk keluarannya terdiri dari 6 himpunan fuzzy. Penalaran fuzzy yang digunakan pada tesis ini disusun berdasarkan Kaidah Mamdani, dengan mengacu pads 30 aturan fuzzy sesuai Fuzzy Associative Memories (FAO) yang dirancang. Unjuk kerja dari sistem yang dikendalikan disimulasikan dengan Simulink Toolbox Using Matlab, dengan membuat rangkaian simulink dari keseluruhan sistem dan pengendalinya. Untuk analisanya dilihat unjuk kerja sistem yang dikendalikan berupa tanggapan waktu, yang dibandingkan dengan unjuk kerja yang meggunakan pengendali proporsional."

"ABSTRAKLearning Vector Quantization (LVQ) merupakan salah satu metode yang digunakan dalam jaringan syaraf tiruan atau Artificial Neural Network. Namun untuk data yang bervariasi,performa LVQ mengalami penurunan, hal ini terlihat dari tingkat rekognisi yang diperoleh. Oleh karena itu dikembangkan metode logika Fuzzy yang diperkirakan mampu menaikkan kembali tingkat rekognisi dan performa dari LVQ . Hasil yang diperoleh menunjukkan bahwa dengan logika Fuzzy tingkat rekognisi naik hingga 40 %.

---

ABSTRACT

Learning Vector Quantization (LVQ) is one of the method that used in Artificial Neural Network.,but result shows that any data variations have decreasing the recognition rate. Fuzzy Logic developed to increasing and reinstate the recognition rate of LVQ. With Fuzzy logic, the result shows that recognition rate achieve 40% of increasing."

"The paper proposes a control method called fuzzy logic based reference (Set-Point) control..."

"Navigasi merupakan hal yang sangat penting dalam setiap pelayaran kapal laut, yaitu untuk mengetahui posisi kapal dalam koordinat geografis. Pengendalian pada sistem kemudi kapal laut dimaksudkan untuk melepaskan diri dan ketergantungan kemudi kapal terhadap seorang nakhoda dan kapal laut dapat tiba di tempat tujuan dengan kesalahan posisi yang tidak terlalu besar.Pada skripsi ini akan dibahas perbandingan dua pengendali yang akan digunakan untuk mengendalikan kemudi kapal laut, yaitu pengendali logika fuzzy dan pengendali ANFIS (Adaptive-Network-Based Fuzzy Inference System). Pengendali logika fuzzy menggunakan metoda basis aturan berdasarkan pengalaman seorang pakar (dalam hal ini nakhoda) untuk mengendalikan kemudi kapal yang diambil dari acuan[2] , sementara pengendali ANFIS merupakan pengendali neuro fuzzy yang rnenggunakan proses learning dari basis data untuk menghasilkan basis aturannya. Kedua jenis pengendali ini akan menghasilkan kinerja yang berbeda."

"Pengendalian krane dengan kecepatan maksimum dengan sudut ayunn minimum diperlukan untuk memindahkan beban dengan aman serta cepat. Sehingga diperlukan pengendali yang mampu menentukkan besar tegangan berdasarkan beberapa input yaitu: sudut ayunan, kecepatan sudut ayunan, kecepatan, dan posisi dari trolley. Oleh karena itu pengendali fuzzy diajukan untuk digunakan sebagai pengendali tegangan input motor sebab mudah untuk diimplementasikan baik dalam bentuk intuisi manusia maupun dalam realisasi alat dalam kehidupan sehari-hari. Model matematis dari krane kontainer yang sifatnya kompleks didapatkan dengan menggunakan formulasi Lagrange yang sederhaua dan sisternatis. Krane kontainer ini direpresentasikan dengan dua buah model utama yang saling berinteraksi satu dengan yang Iainnya. Komponen dinamika pertama meliputi dinamika trolley dan dinamika ayunan, sedangkan komponen yang kedua merupakan dinamika pengangkatan beban. Kedua model maternatis kedua sistem ini diturunkan secara terpisah satu terhadap yang lainnya, kemudian dengan logika fuzzy dibuat simulasi untuk uji gerak maju, gerak angkat, uji gangguan sudut awal dan uji variasi massa beban."

"Pembangkitan listrik hams memperhatikan pengendalian kecepatan putar turbin generator agar Iistrik yang dibangkitkan memiliki frekuensi yang stabil dan daya sinkron yang besar.Pengendalian kecepatan putar pada turbin uap menggunakan Auromatic Generation Control (AGC) bertujuan agar response deviasi frekuensi tidak memiliki error steady-state serta mampu mengembalikan kepada kecepatan sinkronnya secepat mungkin sehingga daya sinkron sistem bertambah tinggi. Pembahasan meliputi pemodelan sistem steam turbine-generator yang sederhana, konsep dasar Iogika fuzzy dan penerapannya sebagai pengendali. Analisis dilakukan terhadap transient stability dan steady-state strability pada sistem dengan pengendali Iogika fuzzy sebagai AGC yang mengalami gangguan (disturbance) pada beban dan tegangan. Serta unjuk kerjanya dibandingkan dengan sistem dengan pengendali PI.Simulasi pengendali logika FLIZZY sebagai AGC dilakukan dengan bantuan perangkat lunak Simulink pada Matlab versi 5.3. Dari simulasi didapat bahwa pengendali logika Fuzzy tipe PFD sebagai AGC mampu menghilangkan error steady-state response deviasi frekuensi dengan cepat dan memiliki daya sinkron yang relatif bertambah tinggi dibandingkan pengendali PI."