Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Segmentasi merupakan sebuah proses yang penting dilakukan dalam menganalisa suatu citra. Dengan melakukan segmentasi, maka citra tersebut dapat dibagi menjadi beberapa bagian yang lebih sederhana yaitu bagian-bagian yang memiliki karakteristik visual yang serupa seperti warna, gerakan, dan tekstur. Fuzzy c-means (FCM) yang diperkenalkan oleh Dunn dan dikembangkan oleh Jim Bezdek, adalah algoritma yang populer digunakan dalam segmentasi citra karena algoritma ini mudah digunakan dan akurat. Lebih tepatnya, FCM sangatlah efektif digunakan untuk mensegmentasi citra yang tidak memiliki noise. Selain sensitif terhadap noise, FCM juga sensitif terhadap outliers. Berbagai macam metode telah ditemukan untuk mengatasi kelemahan dari algoritma FCM, salah satunya menggunakan metode robust FCM (RFCM). Dari hasil penelitian yang dilakukan, dapat dilihat hasil secara kuantitatifnya lebih baik dibandingkan dengan algoritma-algoritma FCM lain. Hasil percobaan menunjukkan modifikasi RFCM memberikan hasil yang lebih baik terutama untuk data iris. ...... Segmentation is an important process to analyze an image. With image segmentation, an image can be partitioned into several simpler parts, which is parts that have similar visual characteristics like colors, motions, and textures. Fuzzy c-means (FCM) is introduced by Dunn and developed by Jim Bezdek. FCM is a popular algorithm to be used on image segmentation because of its simplicity and accuracy. Moreover, FCM is highly effective to segment image that have no noise. Aside its sensitiveness to noise, FCM is also sensitive to outliers. Several methods are founded to overcome FCM’s weaknesses one of which is using robust FCM method. From research, quantitatively it’s result is better compared to other FCM algorithms. Reseach done shows that modified RFCM gives better result especially for iris data.

Abstrak :
Pengendalian tekanan udara sulit karena sistem tersebut umumnya memiliki konstanta waktu dan time delay yang besar yang mempersulit pengendalian. Tesis ini membahas penelitan menggunakan backpropagasi dengan aritmatika fuzzy untuk mengendalikan sistem Process Pressure Rig (PPR). Pendekatan ini menggunakan gabungan dari kemampuan belajar dari backpropagasi dan kemampuan menghadapi nilai yang awang-awang (fuzzy) dari instrumentasi untuk mengendalikan suatu proses. Data crisp dari sensor difuzzifikasikan menjadi bilangan fuzzy dan dihitung dalam jaringan menggunakan aritmatika fuzzy, dan bobotnya disesuaikan untuk memperkecil error. Keluarannya didefuzzifikasikan kembali menjadi sinyal kendali. Di tesis ini, sistem PPR adalah sistem SISO dengan karakteristik konstanta waktu dan time delay yang besar dan derau bacaan sensor yang cukup besar. Hasil pengujian kendali dengan metode backpropagasi dengan aritmatika fuzzy ini menunjukkan hasil yang lebih baik daripada kendali dengan backpropagasi dengan bilangan crisp. ...... Pressure control are usually difficult because of large time constant and large time delays. This thesis propose a new method of backpropagation with fuzzy arithmathic to control Process Pressure Rig(PPR). This approach combines the ability of neural network to learn pattern and fuzzy logic ability to handle fuzzy values. Crisp input from sensors are fuzzified and normalized to fuzzy data. Backpropagation calculate fuzzy data and adjust connection weight to reduce error. The output are then defuzzified and denormalized back to crisp control signals. In this thesis, PPR is a Single in Single out system with large time constant, large delays, and noisy pressure sensors. Test results shows that backpropagation with fuzzy arithmathic can produce better control with less error compared to control using backpropagation with crisp numbers.

Abstrak :
Berbeda dengan pandangan umum yang cenderung mengaitkan ketidak-pastian ke dalam konteks probabilistik, teori fuzzy mengenali ketidak-pastian justru dalam kaitannya dengan fuzziness yaitu kekurang-tepatan pendefinisian aspek-aspek yang terkait dengan suatu entitas, ataupun ambiguity yaitu pengaitan sejumlah berhingga pemaknaan atas entitas berfonetik sama. Paradigma yang ditawarkan oleh teori fuzzy adalah nilai keanggotaan yang gradual antara non-membership dan full-membership. Dalam kaitannya dengan modelisasi matematis fenomena riil yang secara alamiah mengandung aspek ketidak-pastian non-probabilistik, diajukan persamaan diferensial fuzzy sebagai alat bantu teoritis. Dalam menyelesaikan persamaan diferensial biasa linier fuzzy digunakan metode generalized differentiability. Kelebihan metode ini, atas metode-metode sebelumnya terletak pada kepraktisan dalam mencari solusi persamaan diferensial biasa linier fuzzy.

Abstrak :
Sistem simulasi yang diketengahkan dalam Tugas Akhir ini menggunakan algoritma pengaturan berbasis logika fuzzy. Logika fuzzy digunakan untuk mengatasi kesulitan pengendalian pada sistem yang memiliki sifat non-linieritas tinggi, di antaranya adalah pengemudian mobil. Akan dijelaskan model asli model yang disederhanakan, serta penentuan model fuzzy Takagi-Sugeno mobil. Sebagai pengendali digunakan kontroler fuzzy yang dioptimasi dengan persamaan Riccati. Dibahas juga pengujian kestabilan pengendalian. Dalam hal ini, logika fuzzy tidak hanya digunakan pada pengendali (kontroller) tetapi juga untuk memodelkan mobil (model fuzzy Takagi-Sugeno). Pada bagian akhir diberikan flowchart program simulasi dan Basil-hasil simulasi pada beberapa kondisi untuk menunjukkan pengaruh - kecepat:an, waktu cuplik, panjang mobil, dan besainya state feedback gain, K terhadap kinerja pemarkiran.

Abstrak :
This book reviews current state of the art methods for building intelligent systems using type-2 fuzzy logic and bio-inspired optimization techniques. Combining type-2 fuzzy logic with optimization algorithms, powerful hybrid intelligent systems have been built using the advantages that each technique offers. This book is intended to be a reference for scientists and engineers interested in applying type-2 fuzzy logic for solving problems in pattern recognition, intelligent control, intelligent manufacturing, robotics and automation.

Abstrak :
This book investigates the problem of non-fragile H-infinity filter design for Takagi-Sugeno (T-S) fuzzy systems. Given a T-S fuzzy system, the objective of this book is to design an H-infinity filter with the gain variations such that the filtering error system guarantees a prescribed H-infinity performance level. Furthermore, it demonstrates that the solution of non-fragile H-infinity filter design problem can be obtained by solving a set of linear matrix inequalities (LMIs).