Hasil Pencarian  ::  Simpan CSV :: Kembali

"Estimasi parameter model autoregressive dapat diperoleh dengan beberapa metode, salah satunya adalah metode Marginal Likelihood. Untuk memperoleh fungsi marginal likelihood, proses autoregressive dapat dinyatakan sebagai structural model (Fraser, 1968). Dalam structural model, data runtun waktu stasioner dinyatakan sebagai kombinasi linear dari mean proses dan variabel error yang tidak terobservasi. Dengan mengganggap variabel error sebagai proses circular dan noncircular, diperoleh sifat distribusi dari variabel error yang tidak bergantung pada parameter populasi, sehingga data runtun waktu mengikuti model Location-scale. Melalui model Location-Scale dapat dibuktikan bahwa vektor data runtun waktu yang distandarisasi merupakan ancillary statistic. Ancillary statistic ini menjadi dasar untuk membangun fungsi marginal likelihood karena distribusi dari ancillary statistic bebas dari parameter populasi."

"Distribusi dari nilai maksimum dapat diperoleh dengan menggunakan statistik terurut. Namun saat jumlah observasi sangat besar menuju tak hingga, distribusi pendekatan yang diperoleh adalah distribusi degenerate. Gnedenko memberikan satu teorema yaitu bahwa distribusi untuk nilai maksimum yang sudah ditransformasi dengan konstanta tertentu dapat didekati oleh distribusi nondegenerate. Dalam skripsi ini akan dibahas pembuktian dari teorema Gnedenko tersebut sehingga dapat digunakan untuk memperoleh distribusi pendekatan dari nilai maksimum yang ditransformasi. Kemudian berdasarkan pernyataan dari Reiss akan dilakukan penaksiran parameter sehingga diperoleh tiga tipe distribusi pendekatan dari nilai maksimum yang belum ditransformasi. Untuk menjelaskan hubungan antara distribusi pendekatan dalam teorema Gnedenko dengan distribusi yang sudah umum diketahui, akan dibahas mengenai domain of attraction yaitu himpunan fungsi distribusi yang memenuhi teorema Gnedenko. Setiap tipe mempunyai kriteria uji domain of attraction untuk mengetahui distribusi pendekatan yang paling tepat yang dapat digunakan sebagai distribusi pendekatan untuk nilai maksimum."

"Dalam analisis data, saat data mempunyai outlier dan outlier yang ada bukan merupakan suatu kesalahan, taksiran parameter yang diperoleh dengan metode Ordinary Least Square (OLS) akan bias karena metode OLS tidak robust terhadap adanya outlier. Oleh karena itu, dicari metode lain yang robust terhadap adanya outlier, salah satunya ialah metode regresi robust dengan menggunakan fungsi Huber. Pada skripsi ini akan dibahas mengenai taksiran parameter pada model regresi robust sederhana dan berganda dengan menggunakan fungsi Huber. Selain itu, akan dibandingkan antara taksiran parameter model regresi robust dengan menggunakan fungsi Huber dan taksiran parameter yang didapat dengan metode OLS dilihat dari nilai effisiensi taksiran parameter. Hasil yang diperoleh dari contoh penerapan menunjukkan bahwa untuk data ada outlier taksiran parameter yang diperoleh dengan metode regresi robust dengan fungsi Huber lebih effisien dibandingkan metode OLS, sedangkan untuk data tanpa outlier taksiran parameter yang diperoleh dengan metode OLS lebih effisien dibandingkan metode regresi robust dengan fungsi Huber."

"Dalam desain sistem pemantauan dan pengontrolan parameter lingkungan secara otomatis, selain desain sistem serta implementasi algoritma di dalamnya, pemilihan media tanam merupakan faktor penting yang menjadi pertimbangan. Pertimbangan akan jenis media tanam mengarah kepada suatu media terisolasi yang memungkinkan terjadinya pengontrolan langsung oleh aktuator. Sedangkan pertimbangan akan desain sistem mengarah kepada bagaimana arsitektur fisik alat dan protokol pemantauan dan pengontrol dapat dieksekusi secara efektif dan efisien. Pertimbangan pada implementasi algoritma mengarah kepada bagaimana proses pemantauan dan pengontrolan bersifat komplementer. Dalam skripsi ini, peneliti mengusulkan rancang sistem pemantau dan pengontrol tanaman dengan media terarium tertutup berbasis IoT dengan menggunakan algoritma novel yang memanfaatkan integrasi data, yakni data fusion, dan adaptive hysteresis regime. Tujuan dari sistem yang diusulkan ialah untuk mengontrol setiap parameter lingkungan ke dalam rentang optimum dengan mempertimbangkan coupling relationship antar parameter untuk mempercepat pertumbuhan tanaman. Hasil pengukuran menunjukkan bahwa sistem yang diusulkan menghasilkan kondisi optimum yang berkelanjutan dan stabil. Hal ini dibuktikan pada saat implementasi sistem di mana kecepatan pertumbuhan tanaman yang dikontrol di dalam sistem yang diusulkan rata-rata lebih cepat 23,83 % daripada tanaman yang tidak dikontrol.

---

In the design of autonomous monitoring and controlling environmental parameters, in addition to the system design and algorithm implementation, the choice of planting media is an important factor to be considered. Consideration of the type of planting media leads to an isolated medium that allows direct control by actuators. While the consideration of the system design leads to how the physical architecture and monitoring and controlling tools and protocols can be executed effectively and efficiently. Consideration on the implementation of algorithm leads to how the monitoring and controlling process is complementary to each other. In this thesis, the researcher proposes the design of plant monitoring and controlling system with IoT-based terrarium medium using novel algorithms that utilize data integration, namely data fusion, and the adaptive hysteresis regime. The purpose of the proposed system is to control each environmental parameter into the optimum range by considering coupling relationship between parameters to accelerate plant growth. The measurement results show that the proposed system produces optimum conditions that are more sustain and stable. This is evidenced at the time of the implementation of the system where the plant growth controlled in the proposed system is on average 23,83 % faster than uncontrolled ones."