Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Pergerakan harga saham berfluktuasi. Diperlukan suatu metode untuk mengestimasi pergerakannya. Model runtun waktu merupakan suatu model yang dapat digunakan dalam menganalisis pergerakan harga saham. Salah satu model runtun waktu sederhana adalah model local linear trend dengan level stokastik dan slope deterministik. Algoritma filter Kalman dapat digunakan untuk mengestimasi solusi model. Implementasi menggunakan data harga saham BMRI dan LSIP memberikan hasil yang cukup baik dilihat dari nilai rata – rata eror relatif dan nilai MSE (mean square error). ...... The movements of stock price is fluctuate. A method is required to determine such movement. Time series model is one of the models that can be used in analyzing stock price movements. One of the basic model of time series is the local linear trend model with stochastic level and deterministic slope. Kalman filter algorithm can be used to estimate the solution of that model. Implementation on BMRI and LSIP stock price data gives satisfactory results based on the average relative error and MSE (mean square error).

Abstrak :
Sistem tata udara presisi merupakan mesin refrigerasi yang digunakan di ruang pusat data untuk menjaga temperatur di dalam kabinet berkisar antara 20º - 22ºC, dan kelembaban antara 45-55%. Untuk mencapai keadaan tersebut, delapan variabel tak terukur belum dapat diestimasi sehingga dibutuhkan observer. Proses estimasi state dilakukan menggunakan model ruang keadaan. Persamaan untuk Filter Kalman dibagi menjadi persamaan time update dan measurement update. Penggunaan metode ini diharapkan diperoleh nilai matriks prediction error covarians yang konvergen pada nilai sekecil mungkin. Selain itu juga dibandingkan state hasil estimasi dengan state aktual model untuk mengetahui nilai kuadrat kesalahan estimasi yang terjadi. ......Precision air conditioning is a refrigeration machine that used in the data center to keep the temperature inside the cabinet ranged from 20 º - 22 º C, and humidity between 45-55%. To reach that state, the eight variables not measured can not be estimated so that the observer is required. State estimation process is done using a state space model. The equation for the Kalman Filter equations are divided into time update and measurement update. Use of this method is expected to obtain the prediction error matrix covarians which converges on the value as small as possible. It also compared to the estimated state with the actual state of the model to determine the value of the square of estimation error that occurred.

Abstrak :
[ABSTRAK
Penelitian ini bertujuan untuk meneliti perubahan persepsi investor terhadap risiko berinvestasi di Indonesia. Pada penelitian ini, deret waktu dari parameter risk aversion diestimasi menggunakan indeks saham Indonesia menggunakan data imbal hasil dengan frekuensi harian dari tahun 1990 hingga tahun 2015. Penelitian ini menggunakan model AR(1)-GARCH(1,1)-M untuk mengestimasi parameter risk aversion pada pasar saham Indonesia. Pemodelan yang dilakukan pada penelitian ini memodelkan parameter risk aversion dalam proses random walk. Penemuan dari penelitian ini menunjukkan bahwa premi risiko memiliki variansi sepanjang waktu dan mengindikasikan bahwa pasar saham Indonesia berpengaruh terhadap situasi perekonomian global.

---

ABSTRACT
The purpose of this thesis is to examine the change in perception of risk by investors in Indonesia. In this research, the time series of risk aversion parameter is estimated for the Indonesian stock market using daily return data from year 1990 to 2015. This research makes use of AR(1)-GARCH(1,1)-M model to estimate the risk aversion parameter for Indonesian stock market. The model used in this research modelled the risk aversion parameter to follow a random walk process. The findings of this thesis show that the risk premium varies over time and indicate that the Indonesian stock market is vulnerable to global economy, The purpose of this thesis is to examine the change in perception of risk by investors in Indonesia. In this research, the time series of risk aversion parameter is estimated for the Indonesian stock market using daily return data from year 1990 to 2015. This research makes use of AR(1)-GARCH(1,1)-M model to estimate the risk aversion parameter for Indonesian stock market. The model used in this research modelled the risk aversion parameter to follow a random walk process. The findings of this thesis show that the risk premium varies over time and indicate that the Indonesian stock market is vulnerable to global economy]

Abstrak :
Teknologi yang sedang digunakan untuk mengoptimalkan pengereman ini merupakan Anti Lock Braking System (ABS). Teknologi ini menggunakan referensi rasio slip secara longitudinal pada roda dimana variabel ini mempunyai pengaruh terhadap koefisen gesek yang menyebabkan gaya gesek antara ban dan jalan menjadi maksimal. Rasio slip merupakan fungsi perbandingan kecepatan kendaraan dengan kecepatan roda dikalikan dengan jar-jari roda. Pengukuran kecepatan longitudinal kendaraan secara konvensional menggunakan perkalian radius roda dengan kecepatan angular roda yang dapat secara mudah diukur dengan sensor encoder. Akan tetapi metode ini mempunyai kelemahan yaitu tidak validnya kecepatan longitudinal yang didapat ketika kendaraan tetap melaju tetapi roda mengalami keadaan terkunci saat pengereman terjadi. Maka dari itu diperlukan adanya estimasi terhadap variabel kecepatan longitudinal kendaraan agar perhitungan rasio slip dapat dilakukan. Estimasi dilakukan menggunakan observer Adaptive Kalman Filter (AKF). Pada algoritma adaptif yang diusulkan adalah dengan memodifikasi gain pada algoritma Kalman filter konvensional. Gain dimodifikasi berdasarkan keadaan dari roda kendaraan saat terjadinya rasio slip berlebih atau ban yang terkunci dimana data dari akselerometer digunakan sepenuhnya. Desain observer ini menggunakan persamaan pengukuran dari kecepatan kendaraan yang diukur dari roda kendaraan dan masukan yang merupakan data dari akselerometer. Dengan adanya kombinasi dari dua pengukuran ini dapat diperoleh hasil yang optimal dimana terdapat kelebihan dari masing-masing sensor yang mengkompensasi kelemahan dari masing-masing sensor tersebut. Simulasi percobaan dilakukan menggunakan model half car dengan pengendali Proportional Integral (PI) dan Model Predictive Control (MPC) pada kondisi jalan aspal basah dan kering. Hasil estimasi terbaik didapatkan pada percobaan pengereman pada aspal basah dengan nilai cost function 0.002015. ......The technology that being used to optimize the braking is an Anti-Lock Braking System (ABS). The technology uses a reference of longitudinal slip ratio on wheels in which these variables have an influence on the coefficient of friction that causes frictional forces between the tire and the road becomes maximum. This is because that slip ratio is a function of the longitudinal vehicle velocity that can not be measured directly. Measurement of longitudinal velocity of the vehicle using a conventional radius multiplication wheels with wheel angular velocity that can be easily measured by the encoder sensor. However, this method has the disadvantage that the invalidity of the longitudinal speed obtained when the vehicle may have run but the wheels are over slip or the current state of the wheels are locked due to braking occurs. Thus it is necessary to estimate the variable speed of the vehicle that the longitudinal slip ratio calculation can be done. Estimation was performed using Adaptive Kalman Filter (AKF) observer. In the proposed adaptive algorithm is to modify the gain on conventional Kalman Filter algorithm. Gain is modified based on the state of the vehicle when the wheels are over slip locked then data from the accelerometer is fully used. The observer design using equation measurements of measured vehicle speed from the wheels of the vehicle and input observer is the data from the accelerometer. With the combination of these two measurements can be obtained optimal results where the advantages of each of the sensors can compensate for the weaknesses of each of these sensors. The simulation of system use the half car model with Proportional Integral (PI) and Model Predictive Control (MPC) controller on dry and wet asphalt for road condition. The best result of estimation achieved by simulation on wet asphalt with cost function value 0.02105.

Abstrak :
Rollover merupakan penyebab utama adanya korban jiwa dari peristiwa ketidakstabilan kendaraan. Karenanya, inovasi pencegahan rollover pada kendaraan roda empat terus dikembangkan untuk meningkatkan keselamatan berkendara. Variabel sudut roll dan kecepatan sudut roll sangat diperlukan dalam pengendalian pencegahan rollover kendaraan, namun kedua variabel ini tidak dapat diukur secara langsung pada kendaraan roda empat karena tingginya harga sensor yang diperlukan. Metode estimasi sudut roll dan kecepatan sudut roll yang akurat dibutuhkan agar pengendalian pencegahan rollover dapat bekerja. Pada penelitian skripsi ini, didesain observer menggunakan metode extended Kalman filter (EKF) diskrit untuk mengestimasi sudut roll dan kecepatan sudut roll. Metode EKF dipilih karena dapat menghasilkan estimasi yang baik pada kondisi non-linier. Persamaan keadaan non-linier yang digunakan pada EKF diturunkan dari model gerak kendaraan pada bidang datar dan model gerak poros kendaraan. Persamaan keadaan non-linier yang dalam bentuk kontinu diaproksimasikan ke bentuk diskrit menggunakan metode Runge-Kutta orde 4. Observer yang didesain lalu diintegrasikan dengan sistem pengendali prediktif pencegahan rollover untuk menguji kinerja metode observer saat kendaraan dalam kondisi pengendalian kestabilan yang non-linier. Metode observer EKF hasil penelitian kemudian dibandingkan dengan metode Kalman filter pada simulasi menggunakan perangkat lunak Carsim dan MATLAB & Simulink. ......Rollover is the main cause of fatalities from vehicle instability. Therefore, rollover prevention innovations in four-wheeled vehicles continue to be developed to improve driving safety. Roll angle and roll rate are very necessary in vehicle rollover prevention control, but these two variables cannot be directly measured on four-wheeled vehicles because of the high price of the sensors needed. The method of high-performance roll angle and roll rate estimation is needed so that rollover prevention control can operate. In this final project, the observer is designed with discrete extended Kalman filter (EKF) method to estimate roll angle and roll rate of the vehicle. The EKF method was chosen because it can yield good estimates in nonlinear conditions. The nonlinear equations used in EKF are derived from the yaw-plane vehicle dynamics model and axis dynamics model. The nonlinear equations which are still in continuous form are approximated to discrete form using the 4th order Runge-Kutta method. The designed observer is integrated with the predictive rollover prevention control system to test the performance of EKF when the vehicles is in stability controlling, nonlinear conditions. The designed EKF observer method is then compared to the Kalman filter method in a simulation using Carsim and MATLAB & Simulink software.

Abstrak :
This book describes one of the first systems for sparse point-based 3D reconstruction and egomotion estimation from an image sequence; able to run in real-time at video frame rate and assuming quite weak prior knowledge about camera calibration, motion or scene. Its chapters unify the current perspectives of the robotics and computer vision communities on the 3D vision topic : as usual in robotics sensing, the explicit estimation and propagation of the uncertainty hold a central role in the sequential video processing and is shown to boost the efficiency and performance of the 3D estimation. On the other hand, some of the most relevant topics discussed in SfM by the computer vision scientists are addressed under this probabilistic filtering scheme, namely projective models, spurious rejection, model selection and self-calibration.

Abstrak :
Pesawat tanpa awak (Unmanned Aerial Vehicle atau disingkat UAV) adalah sebuah mesin terbang yang berfungsi dengan kendali jarak jauh secara autopilot. Penggunaan terbesar dari pesawat tanpa awak ini adalah dibidang militer untuk pengintaian, pengawasan, dan penyerangan. Dalam mendeteksi sebuah objek yang bergerak secara real-time oleh sebuah UAV, terdapat proses pengolahan sinyal yang kompleks dibandingkan apabila objeknya dalam keadaan diam. Ada beberapa masalah yang terdapat dalam proses deteksi objek bergerak pada UAV yang disebut uncertainty constraint factor (UCF) yaitu lingkungan, jenis objek, pencahayaan, kamera UAV, dan pergerakan (motion) objek. Salah satu masalah praktis yang menjadi perhatian beberapa tahun ini adalah analisis pergerakan (motion analysis). Pergerakan (Motion) dari sebuah objek pada setiap frame membawa banyak informasi tentang piksel dari objek bergerak yang memainkan peranan penting sebagai image descriptor. Pada tesis ini digunakan algoritma SUED (Segmentation using edge based dilation) untuk mendeteksi objek bergerak. Inti dari algoritma SUED adalah mengkombinasikan frame difference dan proses segmentasi secara bersama untuk mendapatkan hasil yang optimal dibanding dengan menggunakannya secara terpisah. Hasil simulasi menunjukkan peningkatkan performansi algoritma SUED dengan menggunakan kombinasi wavelet dan sobel operator pada deteksi tepinya yaitu jumlah frame untuk true positive meningkat sebesar 41 frame, kemudian false alarm rate yang didapatkan menurun menjadi 7 % dari 24 % apabila hanya menggunakan sobel operator. Kombinasi kedua metode tersebut juga dapat meminimalisir noise region yang mengakibatkan kesalahan dalam proses deteksi dan pelacakan. Hasil simulasi pelacakan objek bergerak dengan metode kalman filter bisa dilihat pada beberapa sampel yang diuji menunjukkan adanya penurunan kesalahan (error) centroid antara hasil deteksi dan hasil pelacakan objek bergerak. ...... An unmanned aerial vehicle (UAV), commonly known as a drone and also referred by several other names is an aircraft without a human pilot aboard. The flight of UAVs may be controlled either autonomously by onboard computers or by the remote control of a pilot on the ground or in another vehicle. Unmanned aerial vehicle (UAV) usually is used in military field for reconnaissance, surveillance, and assault. To detect a moving object in real-time, there are complex processes than to detect the object that does not moving. There are some issues that faced in detection process of moving object in UAV, called constraint uncertainty factor (UCF) such as environment, type of object, illumination, camera of UAV, and motion of the object. One of the practical problems that become concern of researcher in the past few years is motion analysis. Motion of an object in each frame carries a lot of information about the pixels of moving objects which has an important role as the image descriptor. In this thesis, we use SUED (Segmentation using edge-based dilation) algorithm to detect moving objects. The concept of the SUED algorithm is combining the frame difference and segmentation process to obtain optimal results than using them separately. The simulation results show the performance improvement of SUED algorithm using combination of wavelet and Sobel operator on edge detection, the number of frames for a true positive increased by 41 frames, then the false alarm rate decreased to 7% from 24% when only using Sobel operator. The combination of these two methods can also minimize noise region that effect detection and tracking process. The simulation results for tracking moving objects by Kalman filter show that there is error decreasing between detection and tracking process.