Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Sistem tata udara presisi atau yang lebih dikenal dengan Precision Air Conditioning (PAC) merupakan mesin refrigerasi yang bekerja berdasarkan konsep termodinamika. Sistem tata udara presisi digunakan di ruang pusat data untuk menjaga temperatur dan kelembaban di dalam kabinet agar peralatan IT di dalam kabinet tidak cepat rusak. Temperatur ideal yang harus dicapai di dalam kabinet berkisar antara 20º - 25ºC, sedangkan kelembaban relatif (RH) yang harus dijaga di dalam kabinet berkisar antara 45-55%. Namun untuk mencapai keadaan tersebut, dibutuhkan pengendalian sistem supaya sistem dapat bekerja dengan keluaran seperti yang diinginkan. Model predictive control merupakan salah satu metode pengendali prediktif yang populer digunakan di dunia indutri. Sistem tata udara presisi yang dikendalikan dalam penelitian ini merupakan sistem multi input single output (MISO) dengan masukan berupa kecepatan putaran kipas kompresor dan kecepatan aliran udara volumetrik, dan keluaran yang dikendalikan adalah suhu keluaran dari kondenser kedua yang menuju kabinet dari sistem tata udara presisi. Diuji tiga model sistem tata udara presisi, model linier, model nonlinier tanpa beban heat sensible peralatan IT, dan model nonlinier dengan beban sensible peralatan IT yang divariasikan dengan pendekatan model linier biasa hasil identifikasi PO-MOESP dan model linier dengan vektor bias hasil identifikasi menggunakan metode kuadrat terkecil. Hasil pengendalian MPC untuk ketiga plant sistem tata udara presisi menujukkan performa yang baik dalam pengendalian, dilihat dari keluaran sistem yang mengikuti trajektori acuan yang diberikan.

---

Precision Air Conditioning (PAC) is a refrigerant machine that works based on thermodynamics concept. PAC is in implemented data center in order to stabilize the temperature and the humidity in cabinet in order to prevent IT damage integrated in the cabinet. The desired ideal temperature for the cabinet is from 20oC to 25oC and the desired relative humidity (RH) is from 45-55%. However, to achieve such a state, it takes control of the system so that the system can work with the output as desired. Model predictive control is a predictive control method which is popularly used in industries world. Precision air conditioning system are controlled in this study is a multi-input single output (MISO) system with input in the form of fan rotation speed of the compressor and the air volumetric flow rate, and the controlled output is the temperature of the output of the second condenser to the cabinet of the precision air conditioning system. Tested three models of precision air conditioning system, linear models, nonlinear models without the burden of sensible heat IT equipment, and nonlinear models with variation of sensible heat IT equipment load with ordinary linear model approach to the identification of PO-MOESP and linear models with bias the results of identification using the method least squares. MPC control results for the third plant of PAC systems showed good performance in control, viewed from the system output to follow a given reference trajectory.

Abstrak :
Tugas Akhir ini membicarakan cara menghadapi masalah multikolinieritas dengan bantuan metode regresi ridge. Penaksiran dengan metode Regresi Ridge memberikan ketepatan (presisi) yang lebih baik daripada penaksiran dengan metode Kuadrat Terkecil Biasa (Ordinary Least Square), walaupun taksiran Regresi Ridge adalah bias. Kelebihtepatan penaksiran dengan metode Regresi Ridge terhadap metode Kuadrat Terkecil Biasa dilihat dari rata-rata kuadrat residualnya. Dibicarakan pula metode Regresi Ridge untuk pemilihan variabel penjelas mana yang akan dimasukkan dalam model regressi serta contoh penggunaan metode Regresi Ridge dalam menaksir pengaruh lag dalam marketing.

Abstrak :
Polusi suara yang terdapat disekitar kita cenderung berdampak buruk pada kegiatan kita sehari-hari, mulai dari kehilangan konsentrasi, sulit tidur, hingga dapat menyebabkan penyakit serius. Peredaman kebisingan menggunakan elemen peredam pasif terbukti dapat bekerja dengan sangat efektif, namun peredaman pasif memerlukan waktu pemasangan dan biaya yang tidak sedikit. Peredaman aktif mulai diminati dengan majunya teknologi digital yang memungkinkan pemerosesan sinyal secara cepat, orangorang bisa mendapat kesunyian dengan menggunakan sistem pengurai derau aktif yang terdapat pada earphone/headphone mereka. Pada penelitian ini dirancang sebuah sistem pengurai derau aktif yang bekerja pada ruang terbuka, dengan tujuan menciptakan zona keheningan lokal. Perancangan algoritma didasarkan pada algoritma Filtered-X Least Mean Square, karena dianggap memiliki laju konvergensi dengan daya pemerosesan paling efektif. Sistem pengurai derau aktif dirancang pada perangkat lunak Max untuk implementasi sistem pada dunia nyata. Hasil pengujian sistem menunjukkan peredaman efektif rata-rata sebesar 6.2 LUFS pada titik error mic, dengan peredaman maksimal sebesar 17.82 dB pada frekuensi ±19.800 Hz. ......Noise pollution can cause many unwanted things in our everyday life, it starts with concentration lost, insomnia, to causing harmful diseases. Passive noise reduction, using passive element has been proven very effective, but also consuming a lot of time and money. Active reduction has been trending since digital era, when we could process signal in real-time. People now could get their own silence using active noise cancelling feature in their headphone/earphone. In this research, we design a active noise cancelling system for open space, with goals of creating local silence zone. The algorithm used are based on Filtered-X Least Mean Square algorithm, since it shown best convergence rate to processing power efficiency. The system is designed in Max to implement it to the real world. Testing showed that the system mean do 6.2 dB LUFS mean reduction in error mic point, with maximum reduction of 17.82 db at ±19.800 Hz.

Abstrak :
Penelitian dalam tesis ini bertujuan untuk menganalisis faktor-faktor yang mempengaruhi ekspor batubara Indonesia dan pengaruh ekspor batubara terhadap PNBP Sub Sektor Minerba di Indonesia. Ada 2 (dua) model persamaan yang dibuat dalam penelitian ini yaitu model persamaan faktor-faktor yang mempengaruhi ekspor batubara Indonesia dan model persamaan pengaruh ekspor batubara terhadap PNBP Sub Sektor Minerba. Data dan model yang digunakan pada model persaman pertama yaitu data time series model regresi linier berganda dengan periode 1981 sampai dengan 2016 sedangkan model persamaan kedua yaitu data time series model regresi sederhana dengan periode 2001 sampai dengan 2016. Kedua model menggunakan metode kuadrat terkecil (Ordinary Least Square). Hasil pengolahan data dengan program Eviews menyimpulkan bahwa ekspor batubara Indonesia signifikan dan positif dipengaruhi oleh harga minyak bumi dunia, nilai tukar rupiah terhadap dolar AS, Produk Domestik Bruto Tiongkok, dan Produk Domestik Bruto Jepang. Sedangkan harga batubara dunia signifikan mempengaruhi ekspor secara negatif. Dari model persamaan dapat diperoleh peramalan ekspor batubara untuk 5 (lima) tahun mendatang yaitu 388 juta ton (2017), 426 juta ton (2018), 460 juta ton (2019), 494 juta ton (2020), dan 533 juta ton (2021). Hasil pengolahan data berikutnya menyatakan bahwa ekspor batubara Indonesia signifikan dan positif mempengaruhi PNBP Sub Sektor Minerba di Indonesia. Dari model persamaan tersebut akan didapat peramalan PNBP Sub Sektor Minerba untuk 5 (lima) tahun mendatang yaitu Rp. 31,39 triliun (2017), Rp. 35,23 triliun (2018), Rp. 38,52 triliun (2019), Rp. 41,75 triliun (2020), Rp. 45,53 triliun (2021). Selanjutnya jika ekspor batubara periode 2017 sampai dengan 2021 diganti oleh target dari RPJMN maka akan didapat jumlah PNBP Sub Sektor Minerba yaitu Rp. 22,27 triliun (2017), Rp. 20,64 triliun (2018), Rp. 9,57 triliun (2019 - 2021). ......The research in this thesis aims to analyze the factors affecting Indonesian coal exports and the effect of coal exports on Non-Tax State Revenue of mineral and coal subsector in Indonesia. There are 2 (two) equation model made in this research that is model of equation of factors influencing Indonesian coal exports and model of equation influence of coal export to Non-Tax State Revenue of mineral and coal subsector in Indonesia. Data and model used in the first equation model is time series data multiplier linear regression model with period 1981 until 2016 while the second equation model is time series data of simple regression model with period 2001 until 2016. Both models use the Ordinary Least Square (OLS) method. The results of data processing with the Eviews program concluded that Indonesia's coal exports are significant and positively affected by world oil prices, the rupiah exchange rates to US dollar, China's Gross Domestic Product, and Japan's Gross Domestic Product while world coal prices significant affect exports negatively. From the equation model, the forecast of coal exports for the next 5 (five) years are 388 million tons (2017), 426 million tons (2018), 460 million tons (2019), 494 million tons (2020) and 533 million tons (2021). The next data processing results stated that Indonesian coal exports are significant and positively affect Non-Tax State Revenues of mineral and coal subsector in Indonesia. From the model will be obtained forecasting Non-Tax State Revenues of mineral and coal subsector for the next 5 (five) years which is Rp. 31.39 trillion (2017), Rp. 35.23 trillion (2018), Rp. 38.52 trillion (2019), Rp. 41.75 trillion (2020), Rp. 45.53 trillion (2021). Furthermore, if coal exports from 2017 to 2021 are replaced by the targets of National Medium-Term Development Plan, there will be Non-Tax State Revenues of mineral and coal subsector at Rp. 22.27 trillion (2017), Rp. 20.64 trillion (2018), Rp. 9.57 trillion (2019 - 2021).