Penerapan Kendali Logika Fuzzy+Proportional Integral pada Modul Process Control Simulator PCS 327 MK2
|
|
- Sudomo Johan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Penerapan Kenda Logka Fuzzy+Proportona Integra pada Modu Process Contro Smuator PCS 327 MK2 Wrastawa Rdwan Jurusan Teknk Eektro Unverstas Neger Gorontao ema : r1space@yahoo.com Abstrak. Respon output yang dperoeh dengan penerapan kontroer ogka fuzzy adaptf pada modu Process Contro Smuator PCS 327 MK2 ternyata mash kurang memuaskan yatu settng tme yang ambat pada saat pembebanan dan overshoot yang besar. Pada penetan n akan drancang suatu kontro hybrd terdr dar kontroer ogka fuzzy adaptf dan kontroer Proportona Integra (PI) yang dgunakan untuk mengendakan respon output dar modu Process Contro Smuator PCS 327 MK2. Gan Kontro dgunakan untuk mengubah snya kontro sehngga ddapatkan respon output dar sstem sesua dengan yang dngnkan (setpont). Penambahan kontroer ntegra dgunakan untuk mengurang overshoot yang ada. Agortma pembeajaran yang dgunakan pada sstem fuzzy adaah gradent descent untuk mengestmas parameter-parameter fuzzy. Sstem akan dber gangguan beban seteah mencapa steady state sebesar 0,5 vot dan 1 vot. Daam penetan n dperoeh has respon output dengan rata-rata error terkec pada saat K = 1,2 dan K=0,2 dengan rata-rata error 0,2245 Vot. Kata kunc : Process Contro Smuator PCS 327 MK2, kontro hybrd 1. Pendahuuan Process Contro Smuator PCS-327 MK-2 adaah smuator anaog dengan fungs tertentu yang memaka rangkaan terpadu operatona ampfer dsusun dengan aturan sedemkan sehngga prnsp-prnsp metode kontro proses dapat dajarkan pada eve tekns dan teknoogs. Secara umum, PCS 327 MK-2 n terdr dar bagan controer dan bagan proses. Bagan controer terdr dar aks kontro ntegra, dervatve dan proportona. Serng dengan perkembangan teknoog pengaturan kerja sstem, maka pengontroan sstem atau yang serng dsebut controer terasa semakn dperukan keberadaannya. Khususnya d bdang pengontroan perangkat keras, bak tu berupa aat-aat eektronk maupun aat-aat mekank, teah dkenakan berbaga metode pengontroan yang cukup bak untuk dgunakan, saah satunya adaah pengenda ogka fuzzy. Pada penetan n akan danass penerapan kontro hybrd pada bagan proses dar Process Contro Smuator PCS-327 MK-2 sedangkan controer-nya menggunakan adaptve fuzzy ogc controer dan pengenda PI (Proportona Integra). Keterbatasan pengetahuan operator manusa mengena pant yang akan datur menyebabkan kesutan daam menentukan aturan-aturan dasar daam perancangan fuzzy ogc controer, sehngga dkembangkan suatu metode untuk mengdentfkas sstem dengan menerapkan konsep nvers kausa. Sedangkan pengenda PI dharapkan dapat mengendakan respon sstem untuk mengatas overshoot yang ada pada saat pembebanan.
2 39 Permasaahan daam penetan n adaah bagamana mendapatkan respon output dar pant berupa modu Process Contro Smuator PCS-327 MK2 menggunakan kontro hybrd, yatu adaptve fuzzy ogc controer dan pengenda PI (Proportona Integra). Identfkas dan desan kontro menerapkan metode nvers kausa dan metode gradent descent tranng sebaga agortma pembeajaran. Identfkas dakukan secara onne sehngga ddapatkan parameter-parameter dar mode fuzzy yang nantnya dgunakan sebaga acuan untuk menentukan besarnya snya kontro yang dperukan agar menghaskan respon output yang dngnkan (sama dengan setpont), terutama apaba sstem dber gangguan beban. Penetan n dbatas pada penerapan kontro hybrd (adaptve fuzzy ogc controer dan pengenda PI) pada bagan proses modu Process Contro Smuator PCS-327 MK2. Kemudan sstem akan dber gangguan beban seteah mencapa steady state sebesar 0,5 vot dan 1 vot. 2. Tnjauan Pustaka 2.1 Sstem Fuzzy Adaptf Terdapat dua cara pendekatan untuk adaptve fuzzy controer, yatu drect adaptve contro dan ndrect adaptve contro [Passno, 1997]. Daam penetan n akan dgunakan ndrect adaptve fuzzy controer. Pada ndrect adaptve fuzzy controer dakukan on ne dentfkas untuk mengestmas parameter-parameter pant dan bagan controer desgner akan mengubah parameter dar kontroer. Jka parameter pant berubah, dentfer akan mengestmas parameter pant dan controer desgner akan mengubah parameter kontroer. Pendekatan n dnamakan ndrect adaptve contro karena kta mengubah kontroer secara tdak angsung meankan terebh dahuu harus mengestmas parameter pant. Pada drect adaptve fuzzy controer tdak memerukan perantaraan mode proses atau tahap dentfkas parameter, mendapatkan parameter kontroer secara angsung dar perbandngan aktua performans oop tertutup dengan beberapa keakuan yang dngnkan ewat ndeks performans keuaran yang menunjukkan adaptas kontroer. Beberapa keebhan kontroer adaptf secara tak angsung (ndrect adaptve contro) dbandngkan pendekatan secara angsung (drect adaptve contro) : Pembangktan suatu mode pant memboehkan perubahan parameter yang terdeteks secara tba-tba, sesua dengan has penjejakan dar karakterstk sementara. Pemsahan mode adaptas dar dsan kontroer, memboehkan mode untuk danass secara terpsah dar performans kontroer dan kestaban sstem. Spesfkas performans kontroer dapat dubah untuk mengakomodas batasanbatasan yang baru.
3 40 Desan Kontroer Identfkas Input Kontroer Fuzzy Pant Output Gambar 1 Indrect adaptve fuzzy controer Identfkas Mode Fuzzy Sstem Logka Fuzzy yang dgunakan adaah menggunakan : - Sngeton Fuzzyfer - Center average defuzzfer - Aturan penaaran produk ( produk nference engne ) - Fungs Keanggotaan Gaussan Sstem Fuzzy yang akan drancang mempunya bentuk : M 2 N x x y = = 1 exp 1 σ f ( x) = M 2 N x x = = 1 exp 1 σ Parameter yang dapat dubah - ubah ( adjustabe ) dar sstem ogka fuzzy d atas adaah : - y V - x U - σ V adaah semesta pembcaraan pada keuaran, sedangkan U adaah semesta pembcaraan pada masng-masng masukannya. M adaah banyaknya aturan fuzzy dan N adaah banyaknya masukan. Sedangkan f(x) adaah keuaran sstem fuzzy tersebut. Varabe x dan σ ( = 1,,N; = 1,,M ) masng - masng adaah ttk tengah dan ebar dar fungs keanggotaan masukan. Masukan dar sstem fuzzy tersebut dnotaskan dengan x ( = 1,,N), sedangkan ttk tengah fungs keanggotaan d keuarannya adaah y ( = 1,,M). 2.2 Kontro Hybrd Kontro hybrd adaah kontro yang menggunakan dua atau ebh kontroer daam satu sstem. Bok dagram dar kontro hybrd yang terdr dar ndrect adaptve fuzzy ogc
4 41 controer dan kontroer Proportona Integra (PI) secara keseuruhan dapat dhat pada Gambar 2. e(k) PI u (k) K + pant y ( k +1) + (k) e u y (k) u ˆ( k) - Identfkas Mode nvers x d ( k +1) Mode nvers fuzzy Gambar 2 Dagram bok kontro hybrd Jka prosedur pemodean fuzzy secara adaptf dgunakan untuk menyedakan pemodean proses daam desan kontroer dakukan secara onne, maka hasnya adaah berupa suatu kontroer fuzzy adaptf secara tak angung ( ndrect adaptve fuzzy ogc controer ). Sedangkan penambahan kontroer PI adaah untuk mengurang overshoot. Persamaan kontroer PI adaah sebaga berkut. U ( k) = K *( e( k) + e( k + 1)) Struktur kontroer n terdr atas dua buah umpan bak, yatu umpan bak untuk kontroer dan umpan bak untuk update pemodean pant. Umpan bak untuk kontroer menggunakan has observas keuaran untuk menentukan snya kontro yang dbutuhkan yang dgunakan sehngga dhaskan respon yang dngnkan, umpan bak kontroer, sedangkan umpan bak untuk update pemodean proses menggunakan observas masukan/keuaran pant untuk mengadaptas mode nvers proses yang dbutuhkan untuk umpan bak kontroer. 3 Metode Penetan Metode pengerjaan penetan n dbag daam beberapa tahap : 1. Mengumpukan bahan teratur. 2. Mempeajar teor sstem ogka fuzzy untuk dentfkas dan controer. 3. Membuat software untuk dentfkas dan controer 4. Penyapan hardware (PCS 327 MK-2, komputer, ADC/DAC). 5. Mengumpukan data dengan meakukan proses dentfkas sstem dan menerapkan controer pada sstem (bagan proses dar modu Process Contro Smuator PCS 327 MK2) dengan perubahan gan kontro.
5 42 6. Anass data untuk menentukan spesfkas respon sstem. 7. Pembuatan aporan penetan Penetan n akan dakukan pada Laboratorum Teknk Pengaturan, Jurusan Teknk Eektro, Insttut Teknoog Sepuuh Nopember Surabaya, khususnya pada tahap penyapan hardware, pengumpuan dan anass data. Perangkat keras yang dgunakan daam penetan n berupa 1 (satu) set komputer untuk mengoah data secara on-ne, peraatan ADC/DAC berupa mut ab Card PCL-712 dan pant yang dkontro berupa modu PCS 327 MK2. Hubungan antar perangkat keras dperhatkan daam Gambar 3. Perangkat unak yang dgunakan untuk mengmpementaskan agortma kontro menggunakan bahasa pemrograman C. pant nput kontroer DAC PCS 327 MK2 output ADC komputer PCL 712 Gambar 3 Bok dagram perancangan sstem Sebeum dterapkan kontroer ogka fuzzy adaptf peru dakukan proses dentfkas terebh dahuu. Has dar proses dentfkas tersebut berupa parameter-parameter fuzzy yang kemudan dgunakan untuk kontroer ogka fuzzy adaptf. Proses pembeajarannya menggunakan agortma gradent descent. Untuk ebh jeasnya, proses perancangan kontroer ogka fuzzy adaptf yang dterapkan pada modu Process Contro Smuator PCS 327 MK2, meau agortma sebaga berkut : a. Agortma dentfkas pant 1. Modu Process Contro Smuator PCS 327 MK2 dber masukan step sebesar 3.8 vot. 2. Menentukan jumah rue (= 30) 3. Menentukan nsasas parameter mode nvers fuzzy yatu x 1 (0), x 2 (0), y (0), σ 1 (0), σ 2 (0) yang nantnya akan destmas. 4. Mengestmas parameter-parameter tersebut dengan agortma gradent descent berdasarkan data masukan/keuaran pant. 5. Data parameter-parameter dar angkah 4 dgunakan untuk nsasas kontroer. b. Agortma Kontroer Hybrd
6 43 1. Has dentfkas mode nvers fuzzy yang berupa parameter-parameter fuzzy dgunakan untuk nsasas kontroer fuzzy adaptf. 2. Gangguan beban dberkan pada saat respon oop tertutup dar pant mencapa steady state. Beban dberkan sebesar 0.5 vot (13,15%) dan 1 vot (26,31%). 3. Memberkan nput kontro gan (K) yang berubah kemudan menghtung Mean Error (ME). 4. Pada K yang sama dberkan nput kontro gan ntegra (K) yang berbeda. 5. Menganass respon sstem untuk mengetahu karakterstk performans sstem meput tme settng (ts) pada saat transen dan pembebanan, maksmum overshoot (Mp) dan persen maksmum overshoot (%Mp), output steady state, error steady state serta seberapa besar rata-rata error (Mean Error). Software n dbuat untuk menangan akuss data dar modu Process Contro Smuator dan mengoeks data nput-output untuk dentfkas secara onne, serta untuk mpementas pengaturan dengan kontroer hybrd (ogka fuzzy adaptf dan PI). 4 Has Penetan Dan Pembahasan 4.1 Has Identfkas Pant Identfkas sstem dakukan secara onne dengan memberkan masukan step sebesar 3,8 vot pada pant. Identfkas yang dakukan adaah dentfkas mode nvers fuzzy dar pant untuk mendapatkan parameter-parameter sstem fuzzy dengan menggunakan agortma pembeajaran gradent descent dengan ketentuan sebaga berkut : - Jumah rue (M) = 30, Kecepatan pembeajaran (α) = 0,5 Parameter-parameter sstem fuzzy has dar dentfkas dapat dhat pada Tabe 1 [Rdwan, 2007]. Parameter-parameter has dentfkas datas nantnya dgunakan untuk nsasas parameter pada kontroer ogka fuzzy adaptf secara onne. Data parameter-parameter datas terhat bahwa na x 1 mengaam perubahan cukup besar dar rue ke 1 sampa ke 15, rue ke 16 sampa 29 tdak banyak berubah dan berubah ag pada rue ke 30. Untuk na x 2 tdak mengaam perubahan seteah rue ke 22. Na y tdak mengaam perubahan mua rue ke 15 sampa 27 dan berubah sedkt pada rue ke 28 samap rue ke 30. Na σ 2 cenderung tetap, sedangkan na σ 1 berubah dar rue ke 1 sampa 29 dan berubah drasts pada rue 30 [Rdwam, 2007]. 4.2 Respon Sstem Tanpa Kontroer PI Respon keuaran seteah dmpementaskan kontroer ogka fuzzy adaptf jka dberkan masukan step sebesar 3,8 vot dengan kontro gan yang bervaras sepert terhat pada Tabe 2 dan Tabe 3 [Rdwan, 2007].
7 44 Tabe 1 Parameter-Parameter x 1, x 2, y, σ, σ Sstem Fuzzy Has Identfkas 1 2 Rue x 1 (V) x 2 (V) y (V) σ 1 (V) σ 2 (V) 1 0, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , Tabe 2 Spesfkas kontro dengan K bervaras, tanpa beban Gan (K) Spesfkas t s (det) M p (V) O ss (V) E ss (V) Rata-rata error (V) 1,0 7,4699 0,4688 3,8315 0,0315 0,4364 1,1 7,1899 0,7814 3,8315 0,0315 0,4103 1,2 6,5899 0,9377 3,8315 0,0315 0,3873 1,3 9,9399 1,0940 3,8315 0,0315 0,3707
8 45 Tabe 3 Spesfkas kontro dengan K bervaras, berbeban Gan (K) Spesfkas Beban 0,5 V Beban 1 V t s1 (det) t s2 (det) t s3 (det) t s4 (det) 1,0 6,0899 4,8899 6,2599 7,4699 1,1 4,6199 4,2299 5,2799 6,9199 1,2 4,0699 3,3499 4,4499 4,8899 1,3 3,2399 2,8599 3,7899 4,7799 Berdasarkan spesfkas kontro datas terhat bahwa rata-rata error untuk K = 1,0 pang besar dsebabkan oeh tme settng (t s ) ambat bak pada saat transent maupun pada saat pembebanan. Rata-rata error pang kec pada saat K = 1,3 karena mempunya t s yang pang cepat pada saat pembebanan. Pada saat pembebanan, dperoeh t s yang pang cepat pada K = 1,3. Namun K yang besar n mengakbatkan t s pada saat transen dan maxmum overshoot menjad besar juga. Data datas memperhatkan bahwa makn besar harga K, harga M p makn besar dan t s pada saat pembebanan makn cepat [Rdwan, 2007]. Dperoeh pua bahwa harga M p dan t s mash terau besar, sehngga spesfkas n yang akan dperbak dengan penerapan kontro hybrd, dengan menambahkan kontroer PI pada sstem. 4.3 Respon Sstem dengan Kontroer Hybrd Kontro hybrd pada penetan n adaah kontro fuzzy adaptf dan kontro Proportona Integra (PI). Penambahan kontroer PI dsn untuk mengurang maxmum overshoot (Mp) dan mempercepat transen, terutama pada saat pembebanan. Pada percobaan n dberkan setpont 3,8 vot dengan kontro gan (K) dan konstanta ntegrator (K) yang bervaras. Penambahan tegangan beban dberkan ketka sstem teah mencapa steady state. Tabe 4 Spesfkas kontro untuk K= 0,2 dan K bervaras Harga K t s (det) M p (V) E ss (V) Parameter Pembebanan t s1 (det) t s2 t s3 t s4 (det) Rerata Error (V) (det) (det) 1 2,69 0,1563 0,0315 6,1 4,51 8,79 7,14 0,3047 1,1 6,22 0,3126 0,0315 4,99 3,95 6,48 6,98 0,2929 1,2 5,43 0,4688 0,0315 3,96 3,14 4,99 4,61 0,2885 1,3 5,44 0,7814 0,0315 3,24 2,69 5,06 3,68 0,3006 Dar data datas dperoeh, semakn besar harga K, harga t s pada saat pembebanan makn kec sehngga harga rata-rata error makn kec. Error steady state (E ss ) sama untuk semua harga K. Harga M p sebandng dengan kenakan harga K. Dperoeh respon terbak pada K=1,2 dengan harga rata-rata error pang kec.
9 46 Tabe 5 Spesfkas kontro untuk K= 0,25 dan K bervaras Harga K t s (det) M p (V) E ss (V) Parameter Pembebanan t s1 (det) t s2 t s3 t s4 (det) Rerata Error (V) (det) (det) 1 2,2 0,1563 0,0315 6,54 4,34 8,95 7,58 0,2876 1,1 4,23 0,3126 0,0315 5,16 3,68 7,31 6,99 0,2820 1,2 4,99 0,4688 0,0315 4,06 3,14 5,44 4,61 0,2925 1,3 5,5 0,4688 0,0315 3,35 2,85 4,22 3,68 0,2560 Dar data datas dperoeh, semakn besar harga K, t s pada saat transen dan M p makn besar. Pada saat pembebanan, semakn besar harga K, semakn kec harga t s. Kecenderungan na rata-rata error makn kec dengan kenakan harga K. Dperoeh respon terbak pada K=1,3 dengan harga rata-rata error pang kec. Tabe 6 Spesfkas kontro untuk K= 0,3 dan K bervaras Harga K t s (det) M p (V) E ss (V) Parameter Pembebanan t s1 (det) t s2 t s3 t s4 (det) Rerata Error (V) (det) (det) 1 2,14 0 0,0315 6,54 4,62 9,72 7,86 0,2524 1,1 3,62 0,1563 0,0315 5,16 3,68 7,69 6,37 0,2532 1,2 3,95 0,3126 0,0315 4,18 3,13 7,10 5,00 0,2245 1,3 9,34 0 0,0315 6,1 3,68 6,87 6,37 0,3641 Dar data datas dperoeh, semakn besar harga K, t s pada saat transen makn besar. Harga M p reatf kec, bahkan pada K = 1 dan K = 1,3, tdak terdapat overshoot. Pada saat pembebanan, semakn besar harga K, kecenderungan harga t s semakn kec. Kecenderungan na rata-rata error makn kec dengan kenakan harga K. Dperoeh respon terbak pada K = 1,2 dengan harga rata-rata error pang kec. Secara umum dperoeh dar anass respon output sstem, bahwa kenakan harga K membuat harga t s saat transen semakn besar, harga M p semakn besar dan harga t s saat pembebanan semakn kec. Kenakan harga K mengakbatkan harga t s saat transen makn besar dan harga M p semakn kec. Na t s saat pembebanan cenderung mengaam kenakan. Anass data secara keseuruhan, dperoeh rata-rata error yang terkec pada saat K = 0,3 dan K = 1,2. 5 Kesmpuan 1. Kenakan harga K membuat harga t s pada saat transen semakn besar, harga M p semakn besar dan harga t s pada saat pembebanan semakn kec. 2. Kenakan harga K mengakbatkan harga t s pada saat transen makn besar dan harga M p semakn kec. Na t s saat pembebanan cenderung mengaam kenakan. 3. Secara keseuruhan dperoeh rata-rata error yang terkec pada saat K = 0,3 dan K = 1,2.
10 47 Daftar Pustaka 1 Jang, J.S.R., Sun C.T., Mzutan, E., 1997, Neuro-Fuzzy Fuzzy and Soft Computng : A Computatona Approach to Learnng and Machne Integence, New Jersey : Prentce Ha Internatona, Inc. 2 Landau, I.D, 1990, System Identfcaton and Contro Desgn Usng P.I.M + Software, New Jersey : Prentce Ha Internatona, Inc. 3 Ogata, Katsuhko, 1997, Teknk Kontro Automatk Jd I, Jakarta : Erangga. 4 Passno, Kevn M., Yurkovch, S., 1997, Fuzzy Contro, New York : Addson Wesey Logman. 5 Rdwan, Wrastawa, 2007, Penerapan Adaptve Fuzzy Logc Controer Pada Modu Process Contro Smuator PCS 327 MK2, Gorontao : Penetan Dosen Muda. 6 Wang, L-Xn, 1997, A Course n Fuzzy Systems and Contro, New Jersey : Prentce- Ha Internatona, Inc. 7 Yan, J., Ryan, M., Power, J., 1994, Usng Fuzzy Logc Toward Inteegent Systems, Cambrdge : Prentce-Ha Internatona (UK) Lmted. 8.., 1998, Mode PCL-712 : Mut-Lab (12 bt ) A/D+D/A+DIO, London : Advantech Co. Ltd. 9.., 1998, Process Contro Smuator PCS327 Book 1, London : Feedback Instruments Ltd.
PENERAPAN ADAPTIF FUZZY PADA PENGATURAN KECEPATAN MOTOR INDUKSI TIGA FASA
Ratna Ika Putr, Penerapan Adaptf Fuzzy Pada Pengaturan Kecepatan Motor Induks Tga Fasa PENERAPAN ADAPTIF FUZZY PADA PENGATURAN KECEPATAN MOTOR INDUKSI TIGA FASA Ratna Ika Putr Poteknk Neger Maang, J. Veteran
Lebih terperinciBAB III PENGAMBILAN KEPUTUSAN DISPLACED IDEAL. Inti dari pengambilan keputusan adalah memilih alternatif, tentunya harus
40 BAB III PENGAMBILAN KEPUTUSAN DISPLACED IDEAL 3.1. Pengamban Keputusan Int dar pengamban keputusan adaah memh aternatf, tentunya harus aternatf yang terbak (the best aternatve). Tujuan dar anass keputusan
Lebih terperinci2 i. . Kebolehjadian total n set nilai adalah: y terhadap y dicapai jika faktor
Pencocokan Data. Pencocokan Data ke Gars Lurus Msakan kta mempunya n ttk data ekspermenta (, y ) dan dketahu bahwa hubungan teorts antara dan y adaah hubungan near (persamaan gars urus) dengan persamaan:
Lebih terperinciPENINGKATAN AKTIVITAS DAN HASIL BELAJAR IPA MELALUI METODE INQUIRY PADA SISWA KELAS IVA SD NEGERI GEDONGKIWO SKRIPSI
PENINGKATAN AKTIVITAS DAN HASIL BELAJAR IPA MELALUI METODE INQUIRY PADA SISWA KELAS IVA SD NEGERI GEDONGKIWO SKRIPSI Dajukan Kepada Fakutas Imu Penddkan Unverstas Neger Yogyakarta Untuk Memenuh Sebagan
Lebih terperinciIV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciBAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciT 17 Penerapan Model Fuzzy Dengan Metode Table Look-Up Scheme Untuk Memprediksi Indeks Harga Saham Gabungan (Ihsg)
PROSIDING ISBN : 978 979 6353 6 3 T 7 Penerapan Mode Fuzz Dengan Metode Tabe Look-Up Scheme Untuk Mempredks Indeks Harga Saham Gabungan Ihsg Oeh : Prhatn Tr Rahaunngsh Prod Matematka, FMIPA Unverstas Neger
Lebih terperinciIV. UKURAN SIMPANGAN, DISPERSI & VARIASI
IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan
Lebih terperinciKLASTERISASI DATA IRIS MENGGUNAKAN METODE BERBASIS ARTIFICIAL BEE COLONY DAN K-HARMONIC MEANS
Program Stud MMT-ITS, Surabaya 23 Ju 2011 LASTERISASI DATA IRIS MENGGUNAAN METODE BERBASIS ARTIFICIAL BEE COLONY DAN -HARMONIC MEANS I Made Wdartha, Agus Zana Arfn, Anny Yunart Jurusan Teknk Informatka,
Lebih terperinciBAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan yang dgunakan adalah peneltan pengembangan yang bertujuan membuat suatu produk dan duj kelayakannya. B. Metode Pengembangan Peneltan n menggunakan
Lebih terperinciPerbaikan Unjuk Kerja Sistem Orde Satu PERBAIKAN UNJUK KERJA SISTEM ORDE SATU DENGAN ALAT KENDALI INTEGRAL MENGGUNAKAN JARINGAN SIMULATOR MATLAB
Perbakan Unjuk Kerja Sstem Orde Satu PERBAIKAN UNJUK KERJA SISTEM ORDE SATU DENGAN ALAT KENDALI INTEGRAL MENGGUNAKAN JARINGAN SIMULATOR MATLAB Endryansyah Penddkan Teknk Elektro, Jurusan Teknk Elektro,
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana
Lebih terperinciLOGO ADAPTIVE PREDICTIVE CONTROL BERBASIS ANFIS-PI UNTUK PENGENDALIAN TEMPERATUR HEAT EXCHANGER TESIS RE2099. Ruslim
LOGO PROGRAM MAGISTER BIDANG KEAHLIAN TEKNIK SISTEM PENGATURAN JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA TESIS RE099 ADAPTIVE PREDICTIVE CONTROL BERBASIS
Lebih terperinciFUNGSI ALIH SISTEM ORDE 1 Oleh: Ahmad Riyad Firdaus Politeknik Batam
FUNGSI ALIH SISTEM ORDE Oleh: Ahmad Ryad Frdaus Plteknk Batam I. Tujuan. Memaham cara melakukan smulas sstem fss (sstem mekank dan elektrk) untuk rde 2. Memaham karakterstk sstem fss terhadap perubahan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinciNilai Kritis Permutasi Eksak untuk Anova Satu Arah Kruskal-Wallis pada Kasus Banyaknya Sampel, k = 4
Statsta, Vo. 7 No. 2, 65 71 Nopember 27 Na Krts Permutas Esa untu Anova Satu Arah Krusa-Was pada Kasus Banyanya Sampe, = 4 Inne Maran, Yayat Karyana, dan Aceng Komarudn Mutaqn Jurusan Statsta FMIPA Unsba
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kendaraan bermotor merupakan alat yang palng dbutuhkan sebaga meda transportas. Kendaraan dbag menjad dua macam, yatu kendaraan umum dan prbad. Kendaraan umum
Lebih terperinciKata kunci: system fuzzy, inflasi
Pemodean Tngat Infas d Indonesa dengan -- gus aman bad & uhson PEODEL TIGKT IFLSI DI IDOESI DEG EGGUK SISTE FUZZY Oeh: gus aman bad Staf pengajar d FIP Unverstas eger Yogaarta uhson Staf Pengajar Fautas
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciBAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE
BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan
Lebih terperinciAPLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi )
APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Stud Kasus d PT. Snar Terang Abad ) Bagus Suryo Ad Utomo 1203 109 001 Dosen Pembmbng: Drs. I Gst Ngr Ra Usadha, M.S Jurusan Matematka
Lebih terperinciBAB IV PERHITUNGAN DAN ANALISIS
BAB IV PERHITUNGAN DAN ANALISIS 4.1 Survey Parameter Survey parameter n dlakukan dengan mengubah satu jens parameter dengan membuat parameter lannya tetap. Pengamatan terhadap berbaga nla untuk satu parameter
Lebih terperinciBAB III METODE PENELITIAN. pembelajaran berupa RPP dan LKS dengan pendekatan berbasis masalah ini
BAB III METODE PENELITIAN A. Desan Peneltan Metode peneltan yang dgunakan dalam pengembangan perangkat pembelajaran berupa RPP dan LKS dengan pendekatan berbass masalah n adalah metode pengembangan atau
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi
Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5
Lebih terperinciIMAGE CLUSTER BERDASARKAN WARNA UNTUK IDENTIFIKASI KEMATANGAN BUAH TOMAT DENGAN METODE VALLEY TRACING
IMAGE CLUSTER BERDASARKAN WARNA UNTUK IDENTIFIKASI KEMATANGAN BUAH TOMAT DENGAN METODE VALLEY TRACING M. Helmy Noor 1, Moh. Harad 2 Program Pasasarjana, Jurusan Teknk Elektro, Program Stud Jarngan Cerdas
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :
JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka
Lebih terperinciPERBANDINGAN PERAMALAN BEBAN LISTRIK JANGKA PENDEK MENGGUNAKAN SUPPORT VECTOR MACHINE DAN JARINGAN SYARAF TIRUAN PERAMBATAN BALIK
Perbandngan Peramaan Beban I N. Setawan, Wdyad Setawan PERBANDINGAN PERAMALAN BEBAN LISTRIK JANGKA PENDEK MENGGUNAKAN SUPPORT VECTOR MACHINE DAN JARINGAN SYARAF TIRUAN PERAMBATAN BALIK I Nyoman Setawan,
Lebih terperinci2 TINJAUAN PUSTAKA. sistem statis dan sistem fuzzy. Penelitian sejenis juga dilakukan oleh Aziz (1996).
2 TINJAUAN PUSTAKA 2.1 Stud Yang Terkat Peneltan n mengacu pada jurnal yang dtuls oleh Khang, dkk.(1995). Dalam peneltannya, Khang, dkk membandngkan arus lalu lntas yang datur menggunakan sstem stats dan
Lebih terperinciBAB III METODE PENELITIAN. menghasilkan Lembar Kegiatan Siswa (LKS) pada materi Geometri dengan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan pengembangan yang bertujuan untuk menghaslkan Lembar Kegatan Sswa (LKS) pada mater Geometr dengan pendekatan pembelajaran berbass
Lebih terperinciMETODE PENELITIAN. Penentuan lokasi dilakukan secara tertuju (purposive) karena sungai ini termasuk
IV. METODE PENELITIAN 4.1. Tempat dan Waktu Peneltan Peneltan n dlakukan d Sunga Sak, Kota Pekanbaru, Provns Rau. Penentuan lokas dlakukan secara tertuju (purposve) karena sunga n termasuk dalam 13 sunga
Lebih terperinciPENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinciNama : Crishadi Juliantoro NPM :
ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciBAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER
BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen
3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel
Lebih terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciPengaturan Proses Tekanan pada Sistem Pengaturan Berjaringan Menggunakan Kontroler Fuzzy Neural Network
TUGAS AKHIR TE - 091399 Pengaturan Proses Tekanan pada Sstem Pengaturan Berjarngan Menggunakan Kontroler Fuzzy Neural Network Rende Ramadhan NRP 2208100131 Dosen Pembmbng : Ir. Al Faton, M.T. Imam Arfn,
Lebih terperinciBAB 4 METODOLOGI PENELITIAN DAN ANALISIS
28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciIII. METODE PENELITIAN
III. METODE PEELITIA 3.1. Kerangka Pemkran Peneltan BRI Unt Cbnong dan Unt Warung Jambu Uraan Pekerjaan Karyawan Subyek Analss Konds SDM Aktual (KKP) Konds SDM Harapan (KKJ) Kuesoner KKP Kuesoner KKJ la
Lebih terperinciPERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM
PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM 1) Membuat dstrbus frekuens. 2) Mengetahu apa yang dmaksud dengan Medan, Modus dan Mean. 3) Mengetahu cara mencar Nla rata-rata (Mean). TEORI PENUNJANG
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciBAB II DASAR TEORI DAN METODE
BAB II DASAR TEORI DAN METODE 2.1 Teknk Pengukuran Teknolog yang dapat dgunakan untuk mengukur konsentras sedmen tersuspens yatu mekank (trap sampler, bottle sampler), optk (optcal beam transmssometer,
Lebih terperinciBAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis
BAB 4 METODOLOGI PENELITIAN Pada bab n akan durakan kerangka pemkran hpotess, teknk pengumpulan data, dan teknk analss data. Kerangka pemkran hpotess membahas hpotess pengujan pada peneltan, teknk pengumpulan
Lebih terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
Lebih terperinciBAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah
BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu
Lebih terperinciImplementasi Hybrid Fuzzy PID pada Pengaturan Kecepatan Motor Induksi Tiga Fasa dengan Beban Rem Magnetik
Implementas Hybrd Fuzzy pada Pengaturan ecepatan Motor Induks Tga Fasa dengan Beban Rem Magnetk Josaphat Pramudjanto 1, Joko Susla 2, Asep Suryana 3 Jurusan Teknk Elektro Insttut Teknolog Sepuluh Nopember
Lebih terperinciHybrid intelligent system adalah kombinasi lebih dari dua teknologi cerdas.
Teny Handhayan Pendahuluan Hybrd ntellgent system adalah kombnas lebh dar dua teknolog cerdas. Contohnya kombnas Neural Network dengan Fuzzy membentuk Neuro-fuzzy system Perbandngan Expert Systems, Fuzzy
Lebih terperinciP n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman
OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciPengendalian Kecepatan Motor Induksi Melalui Inverter Altivar 18 Berdasarkan Kendali Fuzi Berbasis PLC
Sgt Budh Santoso dan Ars Rakhmad, Pengendalan Kecepatan Motor Induks Melalu Inverter Altvar 18 Pengendalan Kecepatan Motor Induks Melalu Inverter Altvar 18 Berdasarkan Kendal Fuz Berbass PLC Sgt Budh Santoso,
Lebih terperinciPEMILIHAN VARIABEL YANG RELEVAN PADA ATURAN FUZZY MENGGUNAKAN JARINGAN SYARAF
PEMILIHAN VARIABEL YANG RELEVAN PADA ATURAN FUZZY MENGGUNAKAN JARINGAN YARAF r Kusumadew Jurusan Teknk Informatka, Fakultas Teknolog Industr Unverstas Islam Indonesa Yogyakarya emal: cce@ft.u.ac.d Abstrak
Lebih terperinciPerancangan Kontrol Traksi pada Electrical Wheel Haul Truck mengunakan Metode Adaptive Fuzzy Logic Controller (AFLC)
Perancangan Kontro Traks paa Eectrca Whee Hau Truck mengunakan Metoe Aaptve Fuzzy Logc Controer (AFLC) Kartka Dew 1) Rushanto Effene AK ) Jurusan Teknk Eektro Fakutas Teknoog Inustr 1,) Insttut Teknoog
Lebih terperinciHidrograf Satuan Observasi Daerah Aliran Sungai Ciliwung Hulu- Katulampa Sebagai Benchmarking Manajemen Banjir Jakarta
Hdrograf Satuan Observas Daerah Aran Sunga Cwung Huu- Katuampa Sebaga Benchmarkng Manajemen Banjr Jakarta Aran Bud Safarna Dosen Jurusan Teknk Sp Unverstas Jendera Achmad Yan Jaan Terusan Jendera Sudrman
Lebih terperinciAnalisis Kecepatan Dan Percepatan Mekanisme Empat Batang (Four Bar Lingkage) Fungsi Sudut Crank
ISSN 907-0500 Analss Kecepatan Dan Percepatan Mekansme Empat Batang (Four Bar ngkage Fungs Sudut Crank Nazaruddn Fak. Teknk Unverstas Rau nazaruddn.unr@yahoo.com Abstrak Pada umumnya analss knematka dan
Lebih terperinciRANGKAIAN SERI. 1. Pendahuluan
. Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor
Lebih terperinciPENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI
PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI Reky Stenly Wndah Dosen Jurusan Teknk Spl Fakultas Teknk Unverstas Sam Ratulang Manado ABSTRAK Pada bangunan tngg,
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciPengukuran Laju Temperatur Pemanas Listrik Berbasis Lm-35 Dan Sistem Akuisisi Data Adc-0804
Pengukuran Laju Temperatur Pemanas Lstrk Berbass Lm-35 Dan Sstem Akuss Data Adc-0804 Ummu Kalsum Unverstas Sulawes Barat e-mal: Ummu.kalsum@unsulbar.ac.d Abstrak Peneltan n merupakan pengukuran laju temperatur
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah
Lebih terperinciε adalah error random yang diasumsikan independen, m X ) adalah fungsi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu
Lebih terperinciPengaturan Proses Tekanan pada Sistem Pengaturan Berjaringan Menggunakan Kontroler Fuzzy Neural Network
Pengaturan Proses Tekanan pada Sstem Pengaturan Berjarngan Menggunakan Kontroler Fuzzy Neural Network Rende Ramadhan, 0800 Bdang Stud Sstem Pengaturan, Jurusan Teknk Elektro FTI - ITS Emal : rende.ramadhan@gmal.com
Lebih terperinciMETODE PENELITIAN. dalam penelitian ini adalah siswa kelas XI IPA 2 Tahun Pelajaran
III. METODE PENELITIAN A. Settng Peneltan Peneltan n menggunakan data kuanttatf dengan jens Peneltan Tndakan Kelas (PTK). Peneltan n dlaksanakan d SMAN 1 Bandar Lampung yang beralamat d jalan Jend. Sudrman
Lebih terperinciBAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinciPENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING
Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas
Lebih terperinciPERANCANGAN PARAMETER DENGAN PENDEKATAN TAGUCHI UNTUK DATA DISKRIT
BIAStatstcs (05) Vol. 9, No., hal. -7 PERANCANGAN PARAMETER DENGAN PENDEKATAN TAGUCHI UNTUK DATA DISKRIT Faula Arna Jurusan Teknk Industr, Unverstas Sultan Ageng Trtayasa Banten Emal : faulaarna@yahoo.com
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciTinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal
157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan
Lebih terperinciSOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN
SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN Ita Rahmadayan 1, Syamsudhuha 2, Asmara Karma 2 1 Mahasswa Program Stud S1 Matematka
Lebih terperinciREGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear
REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana
Lebih terperinciBAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA
BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA 3. Pegkodea Matrks Ketetaggaa Matrks ketetaggaa A adaah matrks smetr, sehgga, dega memh semua eeme pada dagoa utama da eeme-eeme dbawah dagoa utama, maka aka
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Bab n membahas tentang prosedur pengembangan pembelajaran dan mplementas model Problem Based Learnng dalam pembelajaran Konsep Dasar Matematka, Subjek Peneltan, Teknk dan Instrumen
Lebih terperinciRegresi. Bahan Kuliah IF4058 Topik Khusus Informatika I. Oleh; Rinaldi Munir(IF-STEI ITB)
Regres Bahan Kulah IF4058 Topk Khusus Informatka I Oleh; Rnald Munr(IF-STEI ITB) 1 Pendahuluan Regresadalahteknkpencocokankurvauntukdata ang berketeltanrendah. Contohdata ang berketeltanrendahdata haslpengamatan,
Lebih terperinciBAB I PENDAHULUAN. Semakin tinggi penerimaan Pajak di Indonesia, semakin tinggi pula kualitas
BAB I PENDAHULUAN A. LATAR BELAKANG Pajak merupakan sumber penermaan terpentng d Indonesa. Oleh karena tu Pemerntah selalu mengupayakan bagamana cara menngkatkan penermaan Pajak. Semakn tngg penermaan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP
Lebih terperinciBAB III METODE PENELITIAN. problems. Cresswell (2012: 533) beranggapan bahwa dengan
BAB III METODE PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan kombnas atau mxed methods. Cresswell (2012: 533) A mxed methods research desgn s a procedure for collectng, analyzng and mxng
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang akan digunakan dalam penelitian ini adalah
BAB III METODE PENELITIAN A. Jens Peneltan Jens peneltan yang akan dgunakan dalam peneltan n adalah peneltan pengembangan (Research and Development). Peneltan Research and Development (R&D) n merupakan
Lebih terperinci2.1 Sistem Makroskopik dan Sistem Mikroskopik Fisika statistik berangkat dari pengamatan sebuah sistem mikroskopik, yakni sistem yang sangat kecil
.1 Sstem Makroskopk dan Sstem Mkroskopk Fska statstk berangkat dar pengamatan sebuah sstem mkroskopk, yakn sstem yang sangat kecl (ukurannya sangat kecl ukuran Angstrom, tdak dapat dukur secara langsung)
Lebih terperinciBAB V TEOREMA RANGKAIAN
9 angkaan strk TEOEM NGKIN Pada bab n akan dbahas penyelesaan persoalan yang muncul pada angkaan strk dengan menggunakan suatu teorema tertentu. Dengan pengertan bahwa suatu persoalan angkaan strk bukan
Lebih terperinciBAB II TINJAUAN PUSTAKA. George Boole dalam An Investigation of the Laws of Thought pada tahun
BAB II TINJAUAN PUSTAKA 2.1 Aljabar Boolean Barnett (2011) menyatakan bahwa Aljabar Boolean dpublkaskan oleh George Boole dalam An Investgaton of the Laws of Thought pada tahun 1954. Dalam karya n, Boole
Lebih terperinciTeori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang
Modul 1 Teor Hmpunan PENDAHULUAN Prof SM Nababan, PhD Drs Warsto, MPd mpunan sebaga koleks (pengelompokan) dar objek-objek yang H dnyatakan dengan jelas, banyak dgunakan dan djumpa dberbaga bdang bukan
Lebih terperinciMetode Estimasi Kemungkinan Maksimum dan Kuadrat Terkecil Tergeneralisasi pada Analisis Pemodelan Persamaan Struktural
Jurnal Graden Vol. 11 No. 1 Januar 015 : 1035-1039 Metode Estmas Kemungknan Maksmum dan Kuadrat Terkecl Tergeneralsas pada Analss Pemodelan Persamaan Struktural Dan Agustna Jurusan Matematka, Fakultas
Lebih terperinciBAB 1 PENDAHULUAN. meningkatnya arus reaktif. Harmonisa telah terbukti memiliki dampak kerusakan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Kualtas daya lstrk sangat dpengaruh oleh penggunaan jens-jens beban tertentu sepert beban non lner dan beban nduktf. Akbat yang dtmbulkannya adalah turunnya
Lebih terperinciSEARAH (DC) Rangkaian Arus Searah (DC) 7
ANGKAAN AUS SEAAH (DC). Arus Searah (DC) Pada rangkaan DC hanya melbatkan arus dan tegangan searah, yatu arus dan tegangan yang tdak berubah terhadap waktu. Elemen pada rangkaan DC melput: ) batera ) hambatan
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK
BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.
Lebih terperinciIII. METODE PENELITIAN. Metode dalam penelitian ini adalah metode eksperimen. Penggunaan metode eksperimen ini
III. METODE PENELITIAN A. Metode Peneltan Metode dalam peneltan n adalah metode ekspermen. Penggunaan metode ekspermen n bertujuan untuk mengetahu apakah suatu metode, prosedur, sstem, proses, alat, bahan
Lebih terperinciBILANGAN RAMSEY SISI DARI r ( P, )
Charul Imron dan dy Tr Baskoro, Blangan Ramsey Ss BILANGAN RAMSY SISI DARI r ( P, ) (Ramsey Number from the Sde r ( P, ) ) Charul Imron dan dy Tr Baskoro Jurusan Matemátca, FMIPA ITS Surabaya mron-ts@matematka.ts.ac.d
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciBAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol
BAB I PENDAHULUAN 1.1. Latar Belakang Sebagan besar peneltan-peneltan bdang statstka berhubungan dengan pengujan asums dstrbus, bak secara teor maupun praktk d lapangan. Salah satu uj yang serng dgunakan
Lebih terperinciEndi Permata 1),I Ketut Eddy Purnama 2), Mauridhi Hery Purnomo 3)
Semnar Nasona Teknoog Informas dan Mutmeda 2013 STMIK AMIKOM Yogyakarta, 19 Januar 2013 KLASIFIKASI JENIS DAN FASE PARASIT MALARIA PLASMODIUM FALCIPARUM DAN PLASMODIUM VIVAX DALAM SEL DARAH MERAH MENGGUNAKAN
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang
Lebih terperinci