Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Menurut IMF, sekitar 1% penurunan pertumbuhan ekonomi di AS akan menurunkanpertumbuhan ekonomi di Asia sebesar 0,5%-1%. Da mpak dari resesi global yang berasal dari resesi di AS akan mempengaruhi proyeksi perekonomian negara-negara di Asia, termasuk Indonesia baik yang sifatnya langsung maupun tidak langsung. Fenomenadiatas memberikan gambaran yang kongkrit hubungan sebab akibat dalam dunia perekonomian secara makro. Penelitian ini membahas tiga model ANN sebagai alat peramalan, yaitu GMDH, Feedforward back propagation neural network dan Elman recurrent neural network. Perekonomian Indonesia di pilih sebagai objek peramalan. Ada dua macam peramalan yang akan di bandingkan diantara ketiga model tersebut. Pertama peramalan multivariate dimana komponen yang di gunakan sebagai input adalah variabel makro ekonomi Indonesia. Kedua adalah peramalan univariate / time series dimana komponen yang di gunakan sebagai input adalah nilai GDP indonesia dari tahun 1970. Hasil peramalan multivariate dari ketiga model ANN menunjukan bahwa variabel makro ekonomi dapat digunakan sebagai input untuk peramalan multivariate pertumbuhan ekonomi Indonesia. Dari hasil pengujian, diketahui bahwa ANN dapat digunakan sebagai alternatif untuk memprediksi ekonomi Indonesia di masa sekarang maupun di masa yang akan datang. Pemahaman terhadap fenomena per- ekonomian Indonesia saat ini dan hubungannya dengan kemungkinan-kemungkinan yang terjadi di masa depan sangat membantu dalam menentukan sikap atau kebijakan yang mengarah ke harapan atau ekspektasi yang ingin dicapai.

---

According IMF, about 1% descent of US growth economic will descent growth economic in Asia about 0,5%-1%. Impact of global recession that came from US will influence economic projection in Asia, including Indonesia. This phenomenon give concrete description about relationship between cousity in macro economics world. This research will explain about three ANN model as forecasting tool. The three ANN model is GMDH, Feedforward backpropagation and Elman recurrent. Indonesian economics choose as object for forecasting. There is two type of forecasting that will compare between three model ANN above. First is multivariate forecasting where component that used as input is variable of macro economic Indonesia. And second is univariate / time series where component that used as input is GDP of Indonesia from 1970. Result of forecasting show that macro economic variable can be use as input for multivariate forcasting growth Indonesian economic. From research result, show that ANN can be used as alternative tool for forecasting Indonesian economics. Deep understanding about phenomenon of Indonesian economic now and connectivity with posibility that will happen in future will help Goverment to make decision to achieve goal that already plan.

Abstrak :
ABSTRAK
Kemajuan teknologi mengiringi kemajuan UAV yang membuat peneliti terus untuk mengembangkannya. Hexacopter yang merupakan salah satu jenis UAV, saat ini telah banyak diteliti untuk berbagai kepentingan seperti pemetaan, monitoring, aerial photography dan lain-lain. Hexacopter ini memiliki enam rotor sebagai penggeraknya yang berada pada keenam sisi frame-nya. Kelebihan hexacopter ini adalah kemampuan dalam mengangkat bebn yang cukup besar, daya yang lebih besar dan safety saat ada kegagalan pada salah satu rotornya. Namun permasalahan yang timbul yakni kesulitan dalam upaya untuk mengendalikan hexacopter secara autonomous agar dapat terbang stabil terutama saat ada gangguan dan juga dengan beban yang cukup berat. Selain itu menjaga pergerakan hexacopter mengikuti trajectory juga menjadi permasalahan yang sulit apalagi sistem hexacopter ini memiliki karakteristik yang nonlinier, multi input multi output MIMO . Pada penelitian ini dirancang platform hexacopter heavy-lift yang memiliki diameter 2.4 meter, dan payload yang mampu dibawa mencapai 40 kg. Sehingga dengan platform yang besar dan berat tentunya pengendalian menjadi lebih sulitHal inilah yang menjadi topik dari penelitian ini yaitu merancang sistem kendali yang dapat menjaga pergerakan hexacopter secara autonomous mengikuti trajectory. Untuk mewujudkan tujuan tersebut, pada penelitian ini digunakan algoritma kendali Direct Inverse Control-Neural Network dengan metode Elman Recurrent Neural Network DIC-ERNN . Metode DIC-ERNN ini memiliki kelebihan mampu mengingat dan menyimpan hasil keluaran hidden layer pada contact layer sehingga terhindar dari overfitting. Kelebihan lainnya adalah algoritma ini mampu memprediksi karakteristik pada waktu didepannya t 1 . Dengan demikian pola dan karakteristik dari trajectory yang diberikan dapat diprediksi oleh pengendali ini.Berdasarkan hasil pengujian pada penelitian ini, didapatkan bahwa kendali DIC-ERNN mampu menunjukkan performa yang baik dalam mengikuti trajectory yang diberikan dengan nilai MSE yang kecil pada pengujian dengan data terbang, profile reference yang berbentuk helix serta profile reference double helix. Bila dibandingkan dengan algoritma Back Propagation Neural Network DIC-BPNN yang juga memiliki nilai MSE kecil, DIC-ERNN menunjukkan performance yang lebih baik khususnya pada saat diberikan uji impulsif fungsi doublet sebagai asumsi adanya gangguan. Pengendali DIC-ERNN menunjukkan kemampuan kembali pada kondisi steady state dengan settling time yang cepat dan tidak terdapat osilasi sedangkan pada pengendali DIC-BPNN terdapat osilasi meskipun settling time-nya juga cukup cepat.

---

ABSTRACT
Technological advances make researchers continue to develop UAV technology. Hexacopter is one type of UAV, has been widely researched for various interests such as mapping, monitoring, aerial photography and others. The Hexacopter has six rotors as the driving force on all six sides of the frame. The advantages of this hexacopter are the ability to lift a large enough load, greater power, and safety when there is a failure on one of its rotor. However, the problem that arises is the difficulty to control the hexacopter autonomously in order to fly stable, especially when there are disturbances and heavy loads. In addition, other difficulties are keeping the hexacopter movement following trajectory because the hexacopter system has nonlinear characteristics, and multi input multi output MIMO . In this study, designed heavy lift hexacopter platform that has a diameter of 2.4 meters, and payload weight that can carry up to 40 kg. Thus, large and heavy platforms make control more difficult.Therefore, the topic of this research is to design a control system that can keep the hexacopter movement autonomously following the trajectory. To achieve the goal, this research uses the Direct Inverse Control Neural Network control algorithm with Elman Recurrent Neural Network DIC ERNN method. This DIC ERNN method has the advantage of being able to remember and store the hidden layer output on the contact layer so that it can avoid overfitting. Another advantage is that this algorithm can predict the characteristics at the time in front of it t 1 . Thus, the pattern and characteristics of the given trajectory can be predicted by this controller.Based on the results of the tests in this study, it was found that the control of DIC ERNN was able to show good performance in following trajectory given with small MSE value in testing with flying data, reference profile in the form of helix and reference double helix profile. When compared to the Back Propagation Neural Network DIC BPNN algorithm which also has a small MSE value, DIC ERNN performs better performance, especially when given the impulsive test doublet function as an assumption of the disturbance. The DIC ERNN controller shows the ability to return to steady state conditions with fast settling time and no oscillation while on the DIC BPNN controller, there is oscillation although settling time is also quite fast.