SEMINAR TUGAS AKHIR PENERAPAN MULTI-AGENT MODEL PREDICTIVE CONTROL (MPC) UNTUK OPTIMASI WAKTU HIJAU PADA JARINGAN LALU LINTAS PERKOTAAN
|
|
- Yuliana Kusumo
- 7 tahun lalu
- Tontonan:
Transkripsi
1 SEMINAR TUGAS AKHIR PENERAPAN MULTI-AGENT MODEL PREDITIVE ONTROL (MP) UNTUK OPTIMASI WAKTU HIJAU PADA JARINGAN LALU LINTAS PERKOTAAN Zendhiastara Arthananda ( ) Dosen Pembimbing 1: Subchan, PhD Dosen Pembimbing 2: Drs. Kamiran, M.Si Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 18 Juli 2014 Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
2 Pendahuluan Latar Belakang Latar Belakang Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
3 Pendahuluan Latar Belakang Latar Belakang Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
4 Pendahuluan Latar Belakang Untuk mengatasi masalah diatas, maka digunakan metode Multi-Agent Model Predictive ontrol (MP) sehingga dapat mengoptimalkan waktu hijau untuk meminimasi panjang antrian serta mendapatkan sebaran lama waktu hijau yang terjadi pada jaringan lalu lintas perkotaan. Sehingga tidak tejadi kemacetan pada lalu lintas. Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
5 Pendahuluan Rumusan Masalah Rumusan Masalah Bagaimana penerapan Multi-Agent Model Predictive ontrol (MP) untuk optimasi lampu hijau pada jaringan lalu lintas perkotaan. Bagaimana mengetahui distribusi lampu hijau. Bagaimana hasil optimasi dan analisis dari penerapan Multi-Agent Model Predictive ontrol (MP) pada jaringan lalu lintas perkotaan. Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
6 Pendahuluan Rumusan Masalah Rumusan Masalah Bagaimana penerapan Multi-Agent Model Predictive ontrol (MP) untuk optimasi lampu hijau pada jaringan lalu lintas perkotaan. Bagaimana mengetahui distribusi lampu hijau. Bagaimana hasil optimasi dan analisis dari penerapan Multi-Agent Model Predictive ontrol (MP) pada jaringan lalu lintas perkotaan. Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
7 Pendahuluan Rumusan Masalah Rumusan Masalah Bagaimana penerapan Multi-Agent Model Predictive ontrol (MP) untuk optimasi lampu hijau pada jaringan lalu lintas perkotaan. Bagaimana mengetahui distribusi lampu hijau. Bagaimana hasil optimasi dan analisis dari penerapan Multi-Agent Model Predictive ontrol (MP) pada jaringan lalu lintas perkotaan. Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
8 Pendahuluan Rumusan Masalah Rumusan Masalah Bagaimana penerapan Multi-Agent Model Predictive ontrol (MP) untuk optimasi lampu hijau pada jaringan lalu lintas perkotaan. Bagaimana mengetahui distribusi lampu hijau. Bagaimana hasil optimasi dan analisis dari penerapan Multi-Agent Model Predictive ontrol (MP) pada jaringan lalu lintas perkotaan. Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
9 Pendahuluan Batasan Masalah Batasan Masalah 1 Metode yang digunakan adalah Multi-Agent Model Predictive ontrol (Multi-Agent MP). 2 Jalan yang digunakan adalah jalan satu arah. 3 Jenis kendaraan yang melintasi jalan dianggap sama. 4 Lebar jalan pada jaringan lalu lintas dianggap sama. Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
10 Pendahuluan Batasan Masalah Batasan Masalah 1 Metode yang digunakan adalah Multi-Agent Model Predictive ontrol (Multi-Agent MP). 2 Jalan yang digunakan adalah jalan satu arah. 3 Jenis kendaraan yang melintasi jalan dianggap sama. 4 Lebar jalan pada jaringan lalu lintas dianggap sama. Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
11 Pendahuluan Batasan Masalah Batasan Masalah 1 Metode yang digunakan adalah Multi-Agent Model Predictive ontrol (Multi-Agent MP). 2 Jalan yang digunakan adalah jalan satu arah. 3 Jenis kendaraan yang melintasi jalan dianggap sama. 4 Lebar jalan pada jaringan lalu lintas dianggap sama. Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
12 Pendahuluan Batasan Masalah Batasan Masalah 1 Metode yang digunakan adalah Multi-Agent Model Predictive ontrol (Multi-Agent MP). 2 Jalan yang digunakan adalah jalan satu arah. 3 Jenis kendaraan yang melintasi jalan dianggap sama. 4 Lebar jalan pada jaringan lalu lintas dianggap sama. Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
13 Pendahuluan Batasan Masalah Batasan Masalah 1 Metode yang digunakan adalah Multi-Agent Model Predictive ontrol (Multi-Agent MP). 2 Jalan yang digunakan adalah jalan satu arah. 3 Jenis kendaraan yang melintasi jalan dianggap sama. 4 Lebar jalan pada jaringan lalu lintas dianggap sama. Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
14 Pendahuluan Tujuan Tujuan 1 Mendapatkan waktu optimal lampu hijau. 2 Mengetahui distribusi waktu hijau pada jaringan lalu lintas perkotaan. 3 Mengetahui hasil simulasi dan analisis dari penerapan Multi-Agent Model Predictive ontrol (MP) pada optimasi waktu lampu hijau. Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
15 Pendahuluan Tujuan Tujuan 1 Mendapatkan waktu optimal lampu hijau. 2 Mengetahui distribusi waktu hijau pada jaringan lalu lintas perkotaan. 3 Mengetahui hasil simulasi dan analisis dari penerapan Multi-Agent Model Predictive ontrol (MP) pada optimasi waktu lampu hijau. Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
16 Pendahuluan Tujuan Tujuan 1 Mendapatkan waktu optimal lampu hijau. 2 Mengetahui distribusi waktu hijau pada jaringan lalu lintas perkotaan. 3 Mengetahui hasil simulasi dan analisis dari penerapan Multi-Agent Model Predictive ontrol (MP) pada optimasi waktu lampu hijau. Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
17 Pendahuluan Tujuan Tujuan 1 Mendapatkan waktu optimal lampu hijau. 2 Mengetahui distribusi waktu hijau pada jaringan lalu lintas perkotaan. 3 Mengetahui hasil simulasi dan analisis dari penerapan Multi-Agent Model Predictive ontrol (MP) pada optimasi waktu lampu hijau. Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
18 Pendahuluan Manfaat Manfaat 1 Memperoleh pengetahuan mengenai penerapan Multi-Agent Model Predictive ontrol (MP) untuk mengoptimasi lama waktu hijau. 2 Sebagai rujukan untuk mengatur waktu optimal lampu hijau pada jaringan lalu lintas perkotaan. Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
19 Pendahuluan Manfaat Manfaat 1 Memperoleh pengetahuan mengenai penerapan Multi-Agent Model Predictive ontrol (MP) untuk mengoptimasi lama waktu hijau. 2 Sebagai rujukan untuk mengatur waktu optimal lampu hijau pada jaringan lalu lintas perkotaan. Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
20 Pendahuluan Manfaat Manfaat 1 Memperoleh pengetahuan mengenai penerapan Multi-Agent Model Predictive ontrol (MP) untuk mengoptimasi lama waktu hijau. 2 Sebagai rujukan untuk mengatur waktu optimal lampu hijau pada jaringan lalu lintas perkotaan. Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
21 Tinjauan Pustaka Model Jaringan Lalu Lintas Perkotaan Sebuah jaringan perkotaan [2]terdiri dari interseksi atau persimpangan yang bergabung dengan jalan yang mewakili jalan raya atau sebarang infrastruktur yang menggabungkannya. Sebuah stage atau phase adalah periode waktu selama dimana sinyal lampu lalu lintas terjadi. Aliran maksimum dimana sebuah kendaraan dapat melintasi jalan dari sebuah persimpangan ketika jalanan memiliki hak untuk melintas disebut saturation flow atau derajat kejenuhan dimana dinyatakan dengan kendaraan per jam. Lama lampu kuning diantara phase yang berurutan untuk menjamin keamaan disebut lost time atau yang disebut waktu hilang. Perulangan dari stage disebut cycle time atau waktu sikel. Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
22 Tinjauan Pustaka Model Jaringan Lalu Lintas Perkotaan Gambar: Model Jaringan Lalu Lintas Perkotaan Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
23 Tinjauan Pustaka Model Jaringan Lalu Lintas Perkotaan Gambar: Aliran Dinamis Lalu Lintas x z (t + 1) = T (q z (t) + d z (t) p z (t) c z (t)) (1) Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
24 Tinjauan Pustaka Model Jaringan Lalu Lintas Perkotaan Permintaan d z dan aliran keluar c z disatukan menjadi sebuah gangguan atau disturbance, sebut saja e z. Dengan mengasumsikan bahwa aliran masuk dan aliran keluar dari link z dengan hak untuk berjalan sama dengan derajat kejenuhan atau saturation flow S z, maka persamaan (1) menjadi: x z (t +1) = x z (t)+ T [ w I j1 σ w,z S w u j1,i(t) S z u j2,i(t)+e z ] (2) i V w i V z Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
25 Tinjauan Pustaka Model Jaringan Lalu Lintas Perkotaan Menggeneralisasikan persamaan (2) untuk semua jaringan link ke dalam matriks dengan persamaan: x(t + 1) = Ax(t) + Bu(t) + e(t) (3) Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
26 Tinjauan Pustaka Model Jaringan Lalu Lintas Model Jaringan Lalu Lintas Gambar: Model Jaringan Lalu Lintas Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
27 Tinjauan Pustaka Model Predictive ontrol Model Predictive ontrol Model Predictive ontrol Model Predictive ontol atau MP adalah suatu metode proses control lanjutan yang banyak diterapkan pada proses industri. Dari sekian banyak algoritma multivariable control, MP adalah salah satunya. Lima konsep yang dilakukan di dalam MP yaitu[2]: 1 Model proses dan disturbance 2 Performance index 3 Pengendalian/penanganan constraint 4 Optimalisasi 5 Receding horizon principle Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
28 Tinjauan Pustaka Model Predictive ontrol Gambar: Struktur Dasar MP Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
29 Tinjauan Pustaka Multi-Agent Model Predictive ontrol Multi-Agent Model Predictive ontrol Definisi Umum Pada umumnya Multi-Agent MP [2]diasumsikan bahwa sistem yang terkontrol dapat dibagi menjadi sub-sistem dan setiap agent telah ditugaskan pada setiap sub-sistem. Setiap agent menggunakan MP untuk menentukan tindakan. Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
30 Tinjauan Pustaka Multi-Agent Model Predictive ontrol Formulasi MP Jaringan dinamis dari aliran lalu lintas diperoleh dari pendekatan model store-and-forward ditunjukkan oleh sebuah sistem dari M inter-koneksi sub-sistem yang membentuk sebuah graf berarah G = (V,E) dimana sub-sistem adalah simpul di V dan setiap belokan (i, j) E mendefinisikan sebuah pasangan sub-sistem i dan j dimana sinyal kontrol sub-sistem i mempengaruhi secara langsung sub-sistem j. Dan didefinisikan state lokal x m R nm dan kendali lokal u m R nm Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
31 Tinjauan Pustaka Multi-Agent Model Predictive ontrol Formulasi MP x m (t + 1) = A m x m (t) + i I (m) B mi u i (t) (4) dimana I (m) = m i : (i, m) E adalah himpunan imput tetangga dari sub-sistem m. State jaringan adalah x = (x 1,..., x m ) dan vektor kendalinya adalah u = (u 1,..., u m ). Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
32 Tinjauan Pustaka Multi-Agent Model Predictive ontrol Formulasi MP MP mendapatkan sinyal kendali untuk waktu t dengan menyelesaikan masalah Quadratic Programming (QP)[2]: M P(t) : min Φ m = m=1 M K m=1 k=1 1 2 [x m(t + k t) Q m x m (t + k t) + (5) u m (t 1 t) R m u m (t + k 1 t)] Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
33 Tinjauan Pustaka Multi-Agent Model Predictive ontrol Formulasi MP Kendala:, m M x m (t + k + 1) = A m x m (t + k t) + x m (t t) = x m (t) (6) i I (m) B mi u i, m M, k K (7) m u m (t + k t) c m, m M, k K (8) D m u m (t + k t) = d m, m M, k K (9) Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
34 Tinjauan Pustaka Multi-Agent Model Predictive ontrol dengan x m : prediksi state dari sub-sistem m saat t+k u m : prediksi sinyal kendali Q m : bobot untuk state vector R m : bobot untuk control vector m : matriks dan c m adalah sebuah vektor bersesuaian dengan constraint pertaksamaan D m : matriks dan d m adalah sebuah vektor bersesuaian dengan constraint persamaan M : 1,.., M adalah himpunan yang menandakan sub-sistem K : 0,.., K-1 adalah waktu horizon Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
35 Tinjauan Pustaka Multi-Agent Model Predictive ontrol State prediction dari subsistem m pada saat t + k adalah fungsi keadaannya pada saat t dan sinyal kendali atas waktu t + k adalah: x m (t + k t) = A k mx m (t) + k l=1 i I (m) A l 1 m B mi u i (t + k l t) (10) Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
36 Tinjauan Pustaka Multi-Agent Model Predictive ontrol Diberikan x m adalah variabel prediksi state dan u m adalah kendali atas waktu horizon.[3] x m (t + 1) u m (t) x m = dan u m =. x m (t + K). u m (t + K 1 t) Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
37 Tinjauan Pustaka Multi-Agent Model Predictive ontrol Diberikan juga matriks A dan B secara berturut-turut adalah input keadaan dan input kendali. A m A 2 ṃ A m =. dan A K m B mi A m B mi B mi 0 0 B mi = A K 1 m Bmi A K 2 m B mi A K 3 m B mi 0 Sehingga persamaan prediksi state diperoleh menjadi: x m (t) = A m x m (t) + B mi u i (t) (11) i I (m) Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
38 Tinjauan Pustaka Multi-Agent Model Predictive ontrol Mensubstitusi x m (t) pada fungsi objektif menjadi : φ m = 1 2 x mq m x m u mr m u m = 1 2 x m(t) A mq m A m x m (t) i I (m) j I (m) i I (m) x m (t) A mq m B mi u i (t) + u ib miq m B mj u j u mr m u m (12) Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
39 Tinjauan Pustaka Multi-Agent Model Predictive ontrol Lalu mendefinisikan: untuk i I (m) g mi = B miq m A m x m (13) untuk i, j I (m), i m atau j m H mij = B miq m B mj (14) H mmm = B mmq m B mm + R m (15) c(t) = m M 1 2 x m(t) A mq m A m x m (t) (16) Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
40 Tinjauan Pustaka Multi-Agent Model Predictive ontrol Sehingga P dapat dinyatakan menjadi: P(t) : min 1 2 m M i I (m) j I (m) u i (t) H mij u j + m M i I (m) Kendala : m u m c m, m M D m u m = d m, m M dimana = I m, D = I D m dan u = (u 1,..., u M ) g miu i (t) + c(t) (17) Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
41 Metode Penelitan Metode Penelitian Metode Penelitian Metode penelitian yang digunakan dalam penulisan tugas akhir ini adalah sebagai berikut: Studi Literatur Mengkaji Model Matematika serta Menyelesaikan Masalah Optimasi Simulasi dan Analisis Penulisan Laporan Tugas Akhir Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
42 Hasil dan Pembahasan Hasil dan Pembahasan Model Jaringan Lalu Lintas Perkotaan Dengan menggunakan persamaan (2) dan mensubstitusikan berdasarkan jumlah links yang digunakan pada tugas akhir ini diperoleh matriks input keadaan A = I dan matriks input kendali B yang berukuran 13x13. Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
43 Hasil dan Pembahasan Model Jaringan Lalu Lintas Perkotaan A B D E F G H II I J K L 0 0 M N O P Q R S T U V W X Y Z AA AB 0 A AD AE AF Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
44 dimana Hasil dan Pembahasan Model Jaringan Lalu Lintas Perkotaan ( S 1 A = T τ 1,1 S ) 1 ( S 2 B = T τ 2,2 S ) 2 ( S 3 = T τ 3,3 S ) 3 ( ) S 1 D = T τ 1,4 ( ) S 2 E = T τ 2,4 ( ) S 3 F = T τ 3,4 ( G = T S ) 4 ( H = T S ) 5 Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
45 Hasil dan Pembahasan Model Jaringan Lalu Lintas Perkotaan ( ) S 6 II = T τ 6,5 ( ) S 7 I = T τ 7,5 ( ) S 1 J = T τ 1,6 ( ) S 2 K = T τ 2,6 ( ) S 3 L = T τ 3,6 ( M = T S ) 6 ( N = T S ) 7 ( ) S 8 O = T τ 8,7 ( ) Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
46 Hasil dan Pembahasan Model Jaringan Lalu Lintas Perkotaan ( ) S 9 P = T τ 9,7 ( S 8 Q = T τ 8,8 u 4,1(t) S ) 8 ( S 9 R = T τ 9,9 S ) 9 ( ) S 8 S = T τ 8,10 ( ) S 9 T = T τ 9,10 ( U = T S ) 10 ( ) S 1 V = T τ 1,11 ( ) S 2 W = T τ 2,11 Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
47 Hasil dan Pembahasan Model Jaringan Lalu Lintas Perkotaan ( ) S 3 X = T τ 3,11 ( Y = T S ) 11 ( ) S 10 Z = T τ 10,12 ( ) S 11 AA = T τ 11,12 ( AB = T S ) 12 ( ) S 1 A = T τ 1,13 ( ) S 2 AD = T τ 2,13 ( ) S 3 AE = T τ 3,13 ( ) Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
48 Hasil dan Pembahasan Model Jaringan Lalu Lintas Perkotaan diberikan: τ 1,4 = 0.20 τ 3,13 = 0.15 τ 1,6 = 0.05 τ 6,5 = 0.50 τ 1,11 = 0.05 τ 7,5 = 0.80 τ 1,13 = 0.70 τ 8,7 = 0.40 τ 2,4 = 0.25 τ 8,10 = 0.60 τ 2,6 = 0.30 τ 9,7 = 0.60 τ 2,11 = 0.30 τ 9,10 = 0.40 τ 2,13 = 0.15 τ 10,12 = 0.80 τ 3,4 = 0.65 τ 11,12 = 0.50 τ 3,6 = 0.05 τ = 0, untuk τ yang lain τ 3,11 = 0.05 S 1 = S 2 = S 3 = S 4 = S 5 = S 7 = S 8 = S 9 = S 10 = S 12 = S 13 = 3600 S 6 = S 11 = 1800 Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
49 Hasil dan Pembahasan Model Jaringan Lalu Lintas Perkotaan dengan mengambil T = 0.1 dan pembulatan sampai maksimal 4 angka di belakang koma, diperoleh A = B = = D = E = F = G = H = I = J = K = L = M = N = O = P = Q = R = S = T = U = V = 0 W = X = Y = Z = Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
50 Hasil dan Pembahasan Model Jaringan Lalu Lintas Perkotaan AA = AB = A = 0 AD = AE = AF = II = Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
51 Hasil dan Pembahasan Model Jaringan Lalu Lintas Perkotaan Selanjutnya, links dinyatakan ke dalam suatu subsistem menjadi : x 1 = [ x 1 x 2 x 3 ] u 1 = [ u 1 u 2 u 3 ] x 2 = [ x 4 x 5 ] u 2 = [ u 4 u 5 ] x 3 = [ x 6 x 7 ] u 3 = [ u 6 u 7 ] x 4 = [ x 8 x 9 ] u 4 = [ u 8 u 9 ] x 5 = [ x 10 x 11 ] u 5 = [ u 10 u 11 ] x 6 = [ x 12 x 13 ] u 6 = [ u 12 u 13 ] Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
52 Hasil dan Pembahasan Model Jaringan Lalu Lintas Perkotaan Dengan menggunakan persamaan (11), maka akan diperoleh: x 1 (t) = A 1 x 1 (t) + B 11 u 1 (t) (18) x 2 (t) = A 2 x 2 (t) + B 21 u 1 (t) + B 22 u 2 (t) + B 23 u 3 (t) (19) x 3 (t) = A 3 x 3 (t) + B 31 u 1 (t) + B 33 u 3 (t) + B 34 u 4 (t) (20) x 4 (t) = A 4 x 4 (t) + B 44 u 4 (t) (21) x 5 (t) = A 5 x 5 (t) + B 51 u 1 (t) + B 54 u 4 (t) + B 55 u 5 (t) (22) x 6 (t) = A 6 x 6 (t) + B 61 u 1 (t) + B 65 u 5 (t) + B 66 u 6 (t) (23) (24) Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
53 Hasil dan Pembahasan Model Jaringan Lalu Lintas Perkotaan Selanjutnya akan diperoleh fungsi objektif sebagai berikut: φ = 1 2 u Hu + f u dengan kendala : m u m c m D m u m = d m Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
54 Hasil dan Pembahasan Model Jaringan Lalu Lintas Perkotaan dimana: u = [ ] u 1 u 2 u 3 u 4 u 5 u 6 AG 0 H 213 AH H H = H H AI 0 0 AJ 0 0 dan H H g 11 g 21 g 31 0 g 51 g 61 0 g f = 0 g 23 g g 34 g 44 g g 54 g 55 g g 66 Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
55 Hasil dan Pembahasan Model Jaringan Lalu Lintas Perkotaan dengan AG = H H H H 611 AH = H H 514 AI = H H 541 AJ = H H 544 Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
56 Hasil dan Pembahasan Model Jaringan Lalu Lintas Perkotaan Untuk distribusi tersebar, seorang agent m menentukan nilai dari variabel kendali lokal dari subsistem m. Nilai dari u m didapatkan dengan menyelesaikan sebuah masalah optimasi lokal P m (t) di setiap waktu. Desain dari himpunan P m (t) dan pasangan antar agent disebut formulasi dekomposisi. Formulasi dikatakan perfect jika setiap subsistem P m (t) menjamin semua kendala pada fungsi objektif P(t) yang bergantung pada u m. Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
57 Hasil dan Pembahasan Model Jaringan Lalu Lintas Perkotaan Untuk perfect dekomposisi, diberikan: I (m) = i : m I (i), i m adalah himpunan output tetangga dari subsistem m yang mana sebarang subsistem i dengan keadaan x i dipengaruhi oleh u m. (m)=(i, j I (m)xi (m) : i = m atau j = m adalah subsistem berpasangan dari quadratic yang bergantung pada u m. (m, k)=(i, j) I (k)xi (k) : i = m atau j = m adalah pasangan dari quadratic dengan k I (m) yang bergantung pada u m. Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
58 Hasil dan Pembahasan Model Jaringan Lalu Lintas Perkotaan Sehingga permasalahan local untuk agent m adalah dengan kendala : P m (t) : min f m = 1 2 u mh m u m + g mu m m u m c m D m u m = d m Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
59 Hasil dan Pembahasan Model Jaringan Lalu Lintas Perkotaan dimana: H m = H mmm + k I (m) H kmm g m = 1 2 g mm + i I (m) g im Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
60 Hasil dan Pembahasan Model Jaringan Lalu Lintas Perkotaan Hasil dari optimasi diatas menghasilkan : x m (t + 1 t), x m (t + 2 t),.., x m (t + N t) dan u m (t t), u m (t + 1 t),.., u m (t + N 1 t) Apabila optimasi P m (t) diatas feasible, maka didapatkan penyelesaian optimalnya adalah : u m (t t), u m (t + 1 t),.., u m (t + N 1 t), x m (t + 1 t), x m (t + 2 t),.., x m (t + N t) Sesuai dengan prinsip receding horizon pada MP maka nilai kontrol yang didapatkan dari hasil optimisasi di atas adalah : u m (t t) = u m (t t) Dalam paper ini digunakan subroutine qoadprog yang ada pada MATLAB untuk menyelesaikan masalah optimisasi tersebut. Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
61 Hasil dan Pembahasan Hasil Simulasi Gambar diatas merupakan hasil simulasi model pada subsistem 3 dengan m = 3. Subsistem 3 dipengaruhi oleh input dari subsistem 1,3 dan 4 serta output menuju subsistem 2. State awal yang digunakan adalah sebanyak 10 kendaraan dengan kendali awal yang diberikan adalah 30 detik. Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
62 Hasil dan Pembahasan Kesimpulan Daerah yang diamati pada paper ini adalah daerah pada subsistem 3 dimana dipengaruhi oleh subsistem 1,2,3 dan 4. Berdasarkan hasil simulasi, diperoleh bahwa pada subsistem 3, kendali yang dihasilkan tidak melebih waktu sikel pada subsistem tersebut. Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
63 Daftar Pustaka Daftar Pustaka Aboudolas, K., Papageorgiou, M., Kosmatopoulos, E. (2007). ontrol and Optimization Methods for Traffic Signal ontrol in Large-Scale ongested Urban Road Network. in Proceeding of American ontrol onference, New York, USA, July, pp amacho, E.F., Bordons,. (2004). Model Predictive ontrol. Springer-Verlag amponogara, E. de Oliveira, L.B. (2009). Distributed Optimization for Model Predictive ontrol of Linear Dynamic Networks. Accepted by IEEE Transaction on System,Man, and ybernatics - Part A. < camponog/papers/dmpc-tuc.pdf>. amponogara, E., Jia, D., Krough, B.H., Talukdar, S.N. (2002). Distributed Model Predictive ontrol. IEE ontrol System Magazine 22(1), Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
64 Daftar Pustaka Daftar Pustaka Diakaki,., Papageorgiou, M., Aboudolas, K. (2002). A Multivariate Regulator Approach to Traffic-Responsive Network-Wide Signal ontrol. ontrol Engineering Practice 10(2), de Oliveira, L., B., amponogara, E. (2010). Multi-Agent Model Predictive ontrol of Signaling Split in Urban Traffic Network. Transportation Research Part, Emerging Technologies, v.18, p Negenborn, R., R., Schutter, B., D., Hellendoorn, J. (2007). Multi-Agent Model Predictive Ontrol for Transportation Networks : Serial versus Parallel Scheme to appear in Engineering Application of Artificial Intelligence. Zendhiastara A. ( ) (ITS) SEMINAR TUGAS AKHIR 18 Juli / 52
Penerapan Multi-Agent Model Predictive Control (MPC) untuk Optimasi Waktu Hijau pada Jaringan Lalu Lintas Perkotaan
Penerapan Multi-Agent Model Predictive Control (MPC) untuk Optimasi Waktu Hijau pada Jaringan Lalu Lintas Perkotaan Zendhiastara Arthananda, Subchan 2, dan Kamiran 3 Jurusan Matematika, Fakultas MIPA,
Lebih terperinciKontrol Fuzzy Takagi-Sugeno Berbasis Sistem Servo Tipe 1 Untuk Sistem Pendulum Kereta
Kontrol Fuzzy Takagi-Sugeno Berbasis Sistem Servo Tipe Untuk Sistem Pendulum Kereta Helvin Indrawati, Trihastuti Agustinah Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Pada masa ini perkembangan ilmu pengetahuan dan teknologi sudah semakin maju, termasuk di bidang transportasi. Namun seiring dengan kemajuannya muncul pula
Lebih terperinciOleh: Dimas Avian Maulana Dosen Pembimbing: Subchan, Ph.D
Oleh: Dimas Avian Maulana-1207100045 Dosen Pembimbing: Subchan, Ph.D Robot mobil adalah salah satu contoh dari wahana nir awak (WaNA) yang dapat dikendalikan dari jauh atau memiliki sistem pengendali otomatis
Lebih terperinciBAB I PENDAHULUAN I.1 LATAR BELAKANG
BAB I PENDAHULUAN Pada bab ini penulis akan menjelaskan latar belakang pembuatan sistem, tujuan penelitian dan hasil yang diharapkan dari penelitian tersebut. Selain itu, penulis juga akan menjelaskan
Lebih terperinciKONTROL OPTIMAL PADA PENGADAAN BAHAN MENTAH DENGAN KEBIJAKAN PENGADAAN TEPAT WAKTU, PERGUDANGAN, DAN PENUNDAAN
LAPORAN TUGAS AKHIR 01 WINTER Template KONTROL OPTIMAL PADA PENGADAAN BAHAN MENTAH DENGAN KEBIJAKAN PENGADAAN TEPAT WAKTU, PERGUDANGAN, DAN PENUNDAAN Oleh: Darsih Idayani 1206 100 040 Pembimbing: Subchan,
Lebih terperinciLOGO SEMINAR TUGAS AKHIR. Oleh : Rifdatur Rusydiyah Dosen Pembimbing : DR. Subiono, M.Sc
LOGO SEMINAR TUGAS AKHIR Oleh : Rifdatur Rusydiyah 1206 100 045 Dosen Pembimbing : DR. Subiono, M.Sc JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER
Lebih terperinciProceeding Tugas Akhir-Januari
Proceeding Tugas Akhir-Januari 214 1 Swing-up dan Stabilisasi pada Sistem Pendulum Kereta menggunakan Metode Fuzzy dan Linear Quadratic Regulator Renditia Rachman, Trihastuti Agustinah Jurusan Teknik Elektro,
Lebih terperinciLOGO OLEH : ANIKE PURBAWATI DOSEN PEMBIMBING : KATHERIN INDRIAWATI, ST.MT.
LOGO Perancangan Sistem Pengendalian Tekanan Keluaran Steam Separator Dalam Upaya Peningkatan Kualitas Output Steam di PT. Pertamina Geothermal Energy area Kamojang, Jawa Barat OLEH : ANIKE PURBAWATI 2408100037
Lebih terperinciPENERAPAN MODEL PREDICTIVE CONTROL (MPC) PADA DESAIN PENGENDALIAN ROBOT MOBIL BERODA EMPAT
PENERAPAN MODEL PREDICTIVE CONTROL (MPC) PADA DESAIN PENGENDALIAN ROBOT MOBIL BERODA EMPAT oleh: Dimas Avian Maulana 1207 100 045 Dosen Pembimbing: Subchan, M.Sc., Ph.D Abstrak Robot mobil adalah salah
Lebih terperinciJURNAL TEKNIK POMITS Vol. 3, No. 1, (2014) ISSN: ( Print) B-58
JURNAL TEKNIK POMITS Vol. 3, No. 1, (214) ISSN: 2337-3539 (231-9271 Print) B-58 Swing-up dan Stabilisasi pada Sistem Pendulum Kereta menggunakan Metode Fuzzy dan Linear Quadratic Regulator Renditia Rachman,
Lebih terperinciStudi Pemodelan Kinerja Simpang Bersinyal Kondisi Lewat Jenuh (Oversaturated)
Studi Pemodelan Kinerja Simpang Bersinyal Kondisi Lewat Jenuh (Oversaturated) Nusa Sebayang, Ir. MT, Kamidjo, Drs, ST., MT, Agus Prayitno, Ir. MT. Dosen Teknik Sipil ITN Malang Jl. Bendungan Sigura-gura
Lebih terperinciOPTIMASI KINERJA SIMPANG BERSINYAL DENGAN MENGGUNAKAN SPREADSHEET
OPTIMASI KINERJA SIMPANG BERSINYAL DENGAN MENGGUNAKAN SPREADSHEET Henny Sutjiono 1, Rudy Setiawan 2 ABSTRAK : Salah satu kendala dalam perhitungan kinerja simpang bersinyal baik secara manual maupun dengan
Lebih terperinciKontrol Fuzzy Takagi-Sugeno Berbasis Sistem Servo Tipe 1 untuk Sistem Pendulum-Kereta
JURNAL TEKNIK POMITS Vol., No., () ISSN: 7-59 (-97 Print) B-7 Kontrol Fuzzy Takagi-Sugeno Berbasis Sistem Servo Tipe untuk Sistem Pendulum-Kereta Helvin Indrawati dan Trihastuti Agustinah Jurusan Teknik
Lebih terperinciKONTROL TRACKING FUZZY UNTUK SISTEM PENDULUM KERETA MENGGUNAKAN PENDEKATAN LINEAR MATRIX INEQUALITIES
JURNAL TEKNIK ITS Vol. 4, No. 1, (15) ISSN: 337-3539 (31-971 Print) A-594 KONTROL TRACKING FUZZY UNTUK SISTEM PENDULUM KERETA MENGGUNAKAN PENDEKATAN LINEAR MATRIX INEQUALITIES Rizki Wijayanti, Trihastuti
Lebih terperinciPERANCANGAN MODEL PREDICTIVE CONTROL (MPC) PADA PROSES QUADRUPLE TANK
PERANCANGAN MODEL PREDICTIVE CONTROL (MPC) PADA PROSES QUADRUPLE TANK Trio Bowo Setiyo *), Aris Triwiyatno, and Sumardi Jurusan Teknik Elektro, Universitas Diponegoro Semarang Jl. Prof. Sudharto, SH, Kampus
Lebih terperinciEVALUASI KINERJA SIMPANG BERSINYAL PADA SIMPANG TIGA JL. KUPANG INDAH JL. RAYA KUPANG JAYA JL. DUKUH KUPANG UTARA 1 SURABAYA
EVALUASI KINERJA SIMPANG BERSINYAL PADA SIMPANG TIGA JL. KUPANG INDAH JL. RAYA KUPANG JAYA JL. DUKUH KUPANG UTARA 1 SURABAYA oleh : Punang Jati Arso (3111030054) Dimita Brilian Zahra (3111030057) Dosen
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Latar belakang
BAB 1 PENDAHULUAN 1.1. Latar belakang Meningkatnya kemacetan jalan perkotaan di Indonesia khususnya pada ibukota DKI Jakarta yang diakibatkan meningkatnya kepemilikan kendaraan bermotor, terbatasnya sumber
Lebih terperinciOPTIMASI ENERGI LOKAL PADA KENDALI KERETA API DENGAN LINTASAN MENANJAK
TUGAS AKHIR OPTIMASI ENERGI LOKAL PADA KENDALI KERETA API DENGAN LINTASAN MENANJAK Oleh PUTRI PRADIKA WANTI NRP. 1207 100 037 Dosen Pembimbing Subchan, Ph.D ABSTRAK Kereta api merupakan alat transportasi
Lebih terperinciBAB I PENDAHULUAN. dengan pesatnya pembangunan yang berwawasan nasional maka prasarana
BAB I PENDAHULUAN I.1. UMUM DAN LATAR BELAKANG Jalan raya merupakan bagian dari sarana transportasi darat yang memiliki peranan penting untuk menghubungkan suatu tempat ke tempat yang lain. Sejalan dengan
Lebih terperinciPERANCANGAN MODEL PREDICTIVE CONTROL (MPC) PADA PROSES QUADRUPLE TANK
PERANCANGAN MODEL PREDICTIVE CONTROL (MPC) PADA PROSES QUADRUPLE TANK Trio Bowo Setiyo *), Aris Triwiyatno, dan Sumardi Jurusan Teknik Elektro, Universitas Diponegoro Semarang Jl. Prof. Sudharto, SH, Kampus
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Seiring berkembangnya zaman, lalu lintas menjadi sarana yang sangat dibutuhkan oleh masyarakat.semakin banyak pengguna kendaraan bermotor, semakin besar pula ketergantungan
Lebih terperinciAPLIKASI SISTEM HIERARCHICAL FUZZY LOGIC CONTROL PADA LAMPU LALU LINTAS
APLIKASI SISTEM HIERARCHICAL FUZZY LOGIC CONTROL PADA LAMPU LALU LINTAS Yunan Ari Yuwono dan Abdul Halim Departemen Teknik Elektro, Fakultas Teknik Universitas Indonesia Abstrak: Lalu lintas saat ini merupakan
Lebih terperinciBAB IV PEMBAHASAN. Pada penelitian ini akan dibandingkan antara aplikasi teori graf fuzzy dan
BAB IV PEMBAHASAN Pada penelitian ini akan dibandingkan antara aplikasi teori graf fuzzy dan teori aljabar max-plus dalam pengaturan lampu lalu lintas di simpang empat Beran Kabupaten Sleman Provinsi Daerah
Lebih terperinciPERANCANGAN PENGATURAN DURASI LAMPU LALU LINTAS ADAPTIF
PERANCANGAN PENGATURAN DURASI LAMPU LALU LINTAS ADAPTIF Rudericus Andika Pramudya, Mahmud Imrona 2, Fhira Nhita 3,2,3 Prodi S Teknik Informatika, Fakultas Teknik, Universitas Telkom rudericusdika@gmail.com,
Lebih terperinciSTABILISASI SISTEM KONTROL LINIER DENGAN PENEMPATAN NILAI EIGEN
Jurnal Matematika UNAND Vol 2 No 3 Hal 126 133 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND STABILISASI SISTEM KONTROL LINIER DENGAN PENEMPATAN NILAI EIGEN FAURI Program Studi Matematika, Fakultas
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem berskala besar (Large-Scale System) adalah suatu sistem yang dibangun oleh beberapa subsistem yang saling berinteraksi satu sama lain. Terdapat beberapa pendekatan
Lebih terperinciTUGAS AKHIR ALGORITMA MODIFIKASI BROYDEN-FLETCHER-GOLDFARB- SHANNO (MBFGS) PADA PERMASALAHAN OPTIMASI
TUGAS AKHIR ALGORITMA MODIFIKASI BROYDEN-FLETCHER-GOLDFARB- SHANNO (MBFGS) PADA PERMASALAHAN OPTIMASI (ALGORITHM OF MODIFIED BROYDEN-FLETCHER-GOLDFARB- SHANNO (MBFGS ) FOR OPTIMIZATION PROBLEM ) Oleh:
Lebih terperinciPenerapan Algoritma Greedy pada Optimasi Pengaturan Lampu Lalu Lintas Sederhana
Penerapan Algoritma Greedy pada Optimasi Pengaturan Lampu Lalu Lintas Sederhana Rocky Hartono 1, Devis Wawan Saputra 2, Joel THP Hutasoit 3 Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika,
Lebih terperinciII LANDASAN TEORI. Contoh. Ditinjau dari sistem yang didefinisikan oleh:
5 II LANDASAN TEORI 2.1 Keterkontrolan Untuk mengetahui persoalan sistem kontrol mungkin tidak ada, jika sistem yang ditinjau tidak terkontrol. Walaupun sebagian besar sistem terkontrol ada, akan tetapi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Kemacetan Kemacetan adalah situasi atau keadaan terhentinya arus lalu lintas yang disebabkan oleh banyaknya jumlah kendaraan melebihi kapasitas jalan. Kemacetan banyak terjadi
Lebih terperinciPERANCANGAN MODEL PREDICTIVE TORQUE CONTROL (MPTC) UNTUK PENGATURAN KECEPATAN MOTOR INDUKSI 3 PHASA DENGAN ROBUST STATOR FLUX OBSERVER
PERANCANGAN MODEL PREDICTIVE TORQUE CONTROL (MPTC) UNTUK PENGATURAN KECEPATAN MOTOR INDUKSI 3 PHASA DENGAN ROBUST STATOR FLUX OBSERVER Halim Mudia 1), Mochammad Rameli 2), dan Rusdhianto Efendi 3) 1),
Lebih terperinciPENGGUNAAN ALGORITMA KRUSKAL DALAM JARINGAN PIPA AIR MINUM KECAMATAN NGANJUK KABUPATEN NGANJUK
SEMINAR HASIL PENGGUNAAN ALGORITMA KRUSKAL DALAM JARINGAN PIPA AIR MINUM KECAMATAN NGANJUK KABUPATEN NGANJUK Oleh: Angga Putra Pratama 1209 100 040 Dosen Pembimbing Drs. Sumarno, DEA Dr. Darmaji, S.Si,
Lebih terperinciBAB I PENDAHULUAN. Untuk melakukan pengaturan lalu lintas pada persimpangan jalan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Untuk melakukan pengaturan lalu lintas pada persimpangan jalan difungsikan Traffic Light atau yang lebih dikenal oleh masyarakat Indonesia sebagai lampu lalu lintas.
Lebih terperinciKontrol Tracking Fuzzy untuk Sistem Pendulum Kereta Menggunakan Pendekatan Linear Matrix Inequalities
JURNAL TEKNIK ITS Vol. 6, No. (17), 337-35 (31-98X Print) A49 Kontrol Tracking Fuzzy untuk Sistem Pendulum Kereta Menggunakan Pendekatan Linear Matrix Inequalities Rizki Wijayanti, Trihastuti Agustinah
Lebih terperinciOPTIMASI PERHITUNGAN KINERJA SIMPANG BERSINYAL MENGGUNAKAN SOLVER
OPTIMASI PERHITUNGAN KINERJA SIMPANG BERSINYAL MENGGUNAKAN SOLVER Henny Sutjiono Program Studi Teknik Sipil Fakultas Teknik Sipil dan Perencanaan Universitas Kristen Petra Jl. Siwalankerto 121-131 Surabaya
Lebih terperinciANALISIS STABILITAS DAN KENDALI OPTIMAL PADA MODEL PENANGKAPAN IKAN YANG BERINTERAKSI SECARA KANIBAL
ANALISIS STABILITAS DAN KENDALI OPTIMAL PADA MODEL PENANGKAPAN IKAN YANG BERINTERAKSI SECARA KANIBAL Oleh: Iksa Rahayu 1206 100 012 Dosen Pembimbing: Drs. M. Setijo Winarko, M.Si Drs. Kamiran, M.Si Jurusan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA A. Pemodelan Transportasi Transportasi merupakan perpindahan manusia ataupun barang dari suatu tempat ke tempat lainnya dengan menggunakan sebuah prasarana bermotor ataupun tidak
Lebih terperinciAPLIKASI GRAF FUZZY PADA PENGATURAN LAMPU LALU LINTAS DI PERSIMPANGAN JALAN TERBAN KABUPATEN SLEMAN PROVINSI DAERAH ISTIMEWA YOGYAKARTA
APLIKASI GRAF FUZZY PADA PENGATURAN LAMPU LALU LINTAS DI PERSIMPANGAN JALAN TERBAN KABUPATEN SLEMAN PROVINSI DAERAH ISTIMEWA YOGYAKARTA SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciBAB 4 ANALISA DAN PEMBAHASAN
BAB 4 ANALISA DAN PEMBAHASAN Tujuan dari uji coba dan analisa adalah untuk mengetahui kinerja dari pengendali MPC tanpa constraint dan MPC tanpa constraint dengan observer dengan parameter penalaan yang
Lebih terperincioleh : Rahmat Aziz ( ) Reza Sofyan Arianto ( )
PENGENDALIAN TEMPERATUR OUTLET HEAT EXCHANGER NETWORKS(HENs) PENGENDALIAN TEMPERATUR OUTLET HOT STREAM DENGAN PADA COOLING MODEL WATER PREDICTIVE NETWORK CONTROL (CWN) DENGAN (MPC) MELALUI MODEL SIMULASI
Lebih terperinciUNIVERSITAS INDONESIA PERANCANGAN PENGENDALI MODEL PREDICTIVE CONTROL (MPC) CONSTRAINED PADA SISTEM PROTON EXCHANGE MEMBRANE FUEL CELL (PEM FC) TESIS
1 UNIVERSITAS INDONESIA PERANCANGAN PENGENDALI MODEL PREDICTIVE CONTROL (MPC) CONSTRAINED PADA SISTEM PROTON EXCHANGE MEMBRANE FUEL CELL (PEM FC) TESIS DHARMA ARYANI 0706173206 FAKULTAS TEKNIK PROGRAM
Lebih terperinciBAB I PENDAHULUAN. penarik (attractive) dan kawasan bangkitan (generation) yang meningkatkan tuntutan lalu lintas (
BAB I PENDAHULUAN I.1 Umum dan Latar Belakang Jalan raya merupakan bagian dari sarana transportasi darat yang memiliki peranan penting untuk menghubungkan suatu tempat ke tempat lain. Sejalan dengan pesatnya
Lebih terperinciBAB I PENDAHULUAN. lalu lintas yang ada. Hal tersebut merupakan persoalan utama di banyak kota.
BAB I PENDAHULUAN A. LATAR BELAKANG Masalah transportasi secara umum dan lalu lintas pada khususnya adalah merupakan fenomena yang terlihat sehari-hari dalam kehidupan manusia. Semakin tinggi tingkat mobilitas
Lebih terperinciANALISIS KEPADATAN LALU LINTAS DI PERLIMAAN JALAN (STUDI KASUS DI JALAN SOEKARNO HATTA-TLOGOSARI- SUPRIYADI-MEDOHO)
ANALISIS KEPADATAN LALU LINTAS DI PERLIMAAN JALAN (STUDI KASUS DI JALAN SOEKARNO HATTA-TLOGOSARI- SUPRIYADI-MEDOHO) Ignatia Yolanda, Kartono, Sunarsih Program Studi Matematika FSM Universitas Diponegoro
Lebih terperinciPENGOPTIMALAN UMPAN BALIK LINEAR QUADRATIC REGULATOR PADA LOAD FREQUENCY CONTROL MENGGUNAKAN PARTICLE SWARM OPTIMIZATION
PENGOPTIMALAN UMPAN BALIK LINEAR QUADRATIC REGULATOR PADA LOAD FREQUENCY CONTROL MENGGUNAKAN PARTICLE SWARM OPTIMIZATION Oleh : Febriana Kristanti NRP. 1208201011 Dosen Pembimbing : 1. Dr. Erna Apriliani,
Lebih terperinciKENDALI LOGIKA FUZZY PADA PENGATURAN LAMPU LALU LINTAS BERDASARKAN URGENCY DAN STOP DEGREE
KENDALI LOGIKA FUZZY PADA PENGATURAN LAMPU LALU LINTAS BERDASARKAN URGENCY DAN STOP DEGREE Fitria Suryatini Program Studi Teknik Elektro Fakultas Teknik Universitas Islam 45 (UNISMA) E-mail: fitriasuryatini88@gmail.com
Lebih terperinciOPTIMASI WAKTU TUNGGU LAMPU LALU LINTAS DENGAN MENGGUNAKAN GRAF KOMPATIBEL SEBAGAI UPAYA MENGURANGI KEMACETAN
SYSTEMIC Vol. 02, No. 01, Agustus 2016, 45-50 OPTIMASI WAKTU TUNGGU LAMPU LALU LINTAS DENGAN MENGGUNAKAN GRAF KOMPATIBEL SEBAGAI UPAYA MENGURANGI KEMACETAN Aris Fanani 1) 1) Program Studi Matematika, Fakultas
Lebih terperinciSVM untuk Regresi Ordinal
MMA10991 Topik Khusus - Machine Learning Dr. rer. nat. Hendri Murfi Intelligent Data Analysis (IDA) Group Departemen Matematika, Universitas Indonesia Depok 16424 Telp. +62-21-7862719/7863439, Fax. +62-21-7863439,
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Pergudangan (inventory) didefinisikan sebagai stok bahan yang tersedia dan dapat digunakan untuk memenuhi kebutuhan produksi lanjutan, atau kebutuhan konsumen.
Lebih terperinciPerbandingan Metode Kalman Filter, Extended Kalman Filter, dan Ensemble Kalman Filter pada Model Penyebaran Virus HIV/AIDS
J. Math. and Its Appl. E-ISSN: 2579-8936 P-ISSN: 1829-605X Vol. 15, No. 1, Maret 2018, 17-29 Perbandingan Metode Kalman Filter, Extended Kalman Filter, dan Ensemble Kalman Filter pada Model Penyebaran
Lebih terperinciPerancangan dan Simulasi MRAC PID Control untuk Proses Pengendalian Temperatur pada Continuous Stirred Tank Reactor (CSTR)
JURNAL TEKNIK POMITS Vol. 3, No. 1, (2014) ISSN: 2337-3539 (2301-9271 Print) A-128 Perancangan dan Simulasi MRAC PID Control untuk Proses Pengendalian Temperatur pada Continuous Stirred Tank Reactor (CSTR)
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Sistem kejadian dinamik diskrit (discrete-event dynamic system) merupakan sistem yang keadaannya berubah hanya pada titik waktu diskrit untuk menanggapi terjadinya
Lebih terperinciBAB IV METODOLOGI PENELITIAN. A. Tahapan Penelitian. Mulai. Pengamatan Daerah Studi. Studi Literatur. Hipotesis ::
BB IV METODOLOGI PENELITIN. Tahapan Penelitian Mulai Pengamatan Daerah Studi Studi Literatur Hipotesis :: rus Lalu lintas yang terjadi di di Simpang bersinyal setelah terdapat traffic light Pengumpulan
Lebih terperinciCATATAN TENTANG PERSAMAAN LYAPUNOV DAN PERSAMAAN ALJABAR RICCATI
J. Math. and Its Appl. ISSN: 1829-605X Vol. 4, No. 2, November 2007, 21 32 CATATAN TENTANG PERSAMAAN LYAPUNOV DAN PERSAMAAN ALJABAR RICCATI Subiono Jurusan Matematika FMIPA Institut Teknologi Sepuluh Nopember
Lebih terperinciSIMULASI NUMERIK ARUS LALU LINTAS PADA JARINGAN JALAN MENGGUNAKAN METODE GODUNOV
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.3 Desember 2015 Page 7940 SIMULASI NUMERIK ARUS LALU LINTAS PADA JARINGAN JALAN MENGGUNAKAN METODE GODUNOV Erwin Budi Setiawan 1, Dede Tarwidi 2,
Lebih terperinciPenanganan umum simpang tak bersinyal
Simpang arus lalulintas sangat rendah: simpang tak bersinyal arus lalulintas rendah: bundaran tak bersinyal arus lalulintas agak tinggi: simpang bersinyal arus lalulintas tinggi: bundaran bersinyal arus
Lebih terperinciGITA VINDI HARDIANIDA
GITA VINDI HARDIANIDA 3112 105 008 PROGRAM STUDI LINTAS JALUR TEKNIK SIPIL FAKULTAS TEKNIK SIPIL DAN PERENCANAAN INSTITUT TEKNOLOGI SEPULUH NOPEMBER 2014 Latar Belakang Kondisi simpang di sekitar Desa
Lebih terperinciTRANSFORMASI MP-WAVELET TIPE B DAN APLIKASINYA PADA PEMAMPATAN CITRA
J. Math. and Its Appl. ISSN: 1829-605X Vol. 13 No. 1 Mei 2016 49-58 TRANSFORMASI MP-WAVELET TIPE B DAN APLIKASINYA PADA PEMAMPATAN CITRA Kistosil Fahim 1 Mahmud Yunus 2 Suharmadi 3 1 Jurusan Matematika
Lebih terperinciPerencanaan Sinyal Lampu Lalu Lintas Persimpangan Tiga Lengan Pada Jl.Tanjung Raya II Jl. Panglima Aim Kota Pontianak
42 Perencanaan Sinyal Lampu Lalu Lintas Persimpangan Tiga Lengan Pada Jl.Tanjung Raya II Jl. Panglima Aim Kota Pontianak Heri Azwansyah 1), Ferry Juniardi 2) 1,2) Kelompok Studi Rekayasa Transportasi Jurusan
Lebih terperinciAplikasi Pewarnaan Graf Fuzzy untuk Mengklasifikasi Jalur Lalu Lintas di Persimpangan Jalan Insinyur Soekarno Surabaya
JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) 2337-3520 (2301-928X Print) A-10 Aplikasi Pewarnaan Graf Fuzzy untuk Mengklasifikasi Jalur Lalu Lintas di Persimpangan Jalan Insinyur Soekarno Surabaya
Lebih terperinciPengurangan Antrian Kendaraan Lampu Lalu Lintas Emmalia Joseph Munasih
Pengurangan Antrian Lampu Lalu Lintas Emmalia Joseph Munasih PENGURANGAN ANTRIAN KENDARAAN MELALUI PERHITUNGAN PENYALAAN LAMPU LALU LINTAS YANG OPTIMAL 1) Emmalia Adriantantri, 2) Joseph Dedy Irawan, 3)
Lebih terperinciPelabelan Total (a, d)-simpul Antimagic pada Digraf Matahari
Pelabelan Total (a, d)-simpul Antimagic pada Digraf Matahari Yuni Listiana, Darmaji Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Jl. Arief Rahman
Lebih terperinciJURNAL TEKNIK ITS Vol. 5, No. 2, (2016) ISSN: ( Print)
A141 Penerapan Batas Ramp-Rate Menggunakan Kombinasi Metode FDP (Forward Dynamic Programming) dan QP (Quadratic Programming) Pada Commitment- Economic Dispatch Riza Fahmi Andriyanto, Ontoseno Penangsang,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar belakang. Simpang jalan merupakan tempat terjadinya konflik lalu lintas. Kinerja dari suatu
BAB I PENDAHULUAN 1.1 Latar belakang Simpang jalan merupakan tempat terjadinya konflik lalu lintas. Kinerja dari suatu simpang merupakan faktor penting dalam menentukan penanganan yang paling tepat untuk
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Kendali model prediktif termultipleksi atau Multiplexed Model Predictive Control (MMPC) merupakan pengembangan dari kendali model prediktif atau Model Predictive
Lebih terperinciSIMULASI OPTIMASI PENGATURAN LAMPU LALU LINTAS DI KOTA DEPOK MENGGUNAKAN PENDEKATAN GREEDY BERBASIS GRAF
SIMULASI OPTIMASI PENGATURAN LAMPU LALU LINTAS DI KOTA DEPOK MENGGUNAKAN PENDEKATAN GREEDY BERBASIS GRAF Riwinoto dan Yugo Kartono Isal Universitas Indonesia riwi@polibatam.ac.id dan yugo@cs.ui.ac.id ABSTRACT
Lebih terperinciAPLIKASI KOORDINASI SIMPANG BERLAMPU DENGAN PROGRAM TRANSYT 12: STUDI KASUS JALAN R. E. MARTADINATA
APLIKASI KOORDINASI SIMPANG BERLAMPU DENGAN PROGRAM TRANSYT 12: STUDI KASUS JALAN R. E. MARTADINATA Vinny Assatry Alumnus Jurusan Teknik Sipil Institut Teknologi Nasional, Bandung Jln. PHH Mustafa No.
Lebih terperinciLAPORAN TUGAS AKHIR SISTEM PENGATURAN LALU LINTAS TERDISTRIBUSI DENGAN MENGGUNAKAN NONLINEAR COUPLED OSCILLATOR ABDUL ARFAN
LAPORAN TUGAS AKHIR SISTEM PENGATURAN LALU LINTAS TERDISTRIBUSI DENGAN MENGGUNAKAN NONLINEAR COUPLED OSCILLATOR ABDUL ARFAN 1204000017 FAKULTAS ILMU KOMPUTER UNIVERSITAS INDONESIA DEPOK 2008 LEMBAR PERSETUJUAN
Lebih terperinciStabilisasi Robot Pendulum Terbalik Beroda Dua Menggunakan Kontrol Fuzzy Hybrid
Stabilisasi Robot Pendulum Terbalik Beroda Dua Menggunakan Kontrol Fuzzy Hybrid Made Rahmawaty, Trihastuti Agustinah Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS)
Lebih terperinciPENGENDALI TEMPERATUR FLUIDA PADA HEAT EXCHANGER DENGAN MENGGUNAKAN ALGORITMA MODEL PREDICTIVE CONTROL (MPC)
PENGENDALI TEMPERATUR FLUIDA PADA HEAT EXCHANGER DENGAN MENGGUNAKAN ALGORITMA MODEL PREDICTIVE CONTROL (MPC) Fathimah Ekasari M, Rusdhianto Effendi AK., Eka Iskandar Jurusan Teknik Elektro, Fakultas Teknologi
Lebih terperinciKAJIAN LALU LINTAS PERSIMPANGAN TAK SEBIDANG DI BUNDARAN SATELIT SURABAYA
TUGAS AKHIR RC091380 KAJIAN LALU LINTAS PERSIMPANGAN TAK SEBIDANG DI BUNDARAN SATELIT SURABAYA Disusun Oleh : Adiyarta Harvian Eka Putra 3111.105.016 Dosen Pembimbing : Anak Agung Gde Kartika, ST., M.Sc.
Lebih terperinciANALISIS SIMPANG BERSINYAL MENGGUNAKAN LOGIKA FUZZY
ANALISIS SIMPANG BERSINYAL MENGGUNAKAN LOGIKA FUZZY TUGAS AKHIR SEBAGAI SALAH SATU SYARAT UNTUK MENYELESAIKAN PENDIDIKAN SARJANA TEKNIK DI PROGRAM STUDI TEKNIK SIPIL oleh ACHMAD AFANDI 150 03 006 ALEX
Lebih terperinciPEMBUATAN LAPORAN PEMBUKUAN SIMPAN PINJAM
PEMBUATAN LAPORAN PEMBUKUAN SIMPAN PINJAM oleh: Drs. Wihandaru Sotya P, M.Si Pendahuluan Pembukuan merupakan pekerjaan yang tidak sulit namun memerlukan ketelitian, khususnya yang berkaitan dengan simpan
Lebih terperinciOPTIMASI ECONOMIC DISPATCH PEMBANGKIT SISTEM 150 KV JAWA TIMUR MENGGUNAKAN METODE MERIT ORDER
1/6 OPTIMASI ECONOMIC DISPATCH PEMBANGKIT SISTEM 150 KV JAWA TIMUR MENGGUNAKAN METODE MERIT ORDER SURIYAN ARIF WIBOWO 07100044 Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember Kampus ITS,
Lebih terperinciOptimisasi Kontroler PID dan Dual Input Power System Stabilizer (DIPSS) pada Single Machine Infinite Bus (SMIB) menggunakan Firefly Algorithm (FA)
Optimisasi Kontroler PID dan Dual Input Power System Stabilizer (DIPSS) pada Single Machine Infinite Bus (SMIB) menggunakan Firefly Algorithm (FA) TEKNIK SISTEM TENAGA PROGRAM STUDI TEKNIK ELEKTRO FAKULTAS
Lebih terperinciAPLIKASI TEORI GELOMBANG KEJUT DALAM PENENTUAN PANJANG ANTRIAN KENDARAAN PADA LENGAN PERSIMPANGAN BERSINYAL
APLIKASI TEORI GELOMBANG KEJUT DALAM PENENTUAN PANJANG ANTRIAN KENDARAAN PADA LENGAN PERSIMPANGAN BERSINYAL Studi Kasus pada Persimpangan Jl. Ir. H. Juanda - JI. Ganesa Kodya Bandung TESIS MAGISTER Oleh
Lebih terperinciDesain Kendali pada Sistem Steam Drum Boiler dengan Memperhitungkan Control Valve
Desain Kendali pada Sistem Steam Drum Boiler dengan Memperhitungkan Control Valve ROFIKA NUR AINI 1206 100 017 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH
Lebih terperinciANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA
ANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA Nurmahaludin (1) (1) Staf Pengajar Jurusan Teknik Elektro Politeknik Negeri Banjarmasin Ringkasan Kebutuhan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Salah satu sistem yang ditanamkan pada setiap mobil adalah sistem suspensi pada masing-masing roda. Sistem suspensi digunakan untuk menahan gangguan-gangguan vertikal
Lebih terperinciANALISIS SIMPANG BERSINYAL PADA SIMPANG EMPAT PENDOWO PURWOREJO (JALAN RAYA PURWOREJO KM 9)
ANALISIS SIMPANG BERSINYAL PADA SIMPANG EMPAT PENDOWO PURWOREJO (JALAN RAYA PURWOREJO KM 9) TUGAS AKHIR SARJANA STRATA SATU Oleh : SARMEDIANSEN PURBA NPM : 03 02 11742 PROGRAM STUDI TEKNIK SIPIL FAKULTAS
Lebih terperinciANALISIS MODEL KINEMATIK PELURU KENDALI PADA PENEMBAKAN TARGET MENGGUNAKAN METODE KENDALI OPTIMAL
ANALISIS MODEL KINEMATIK PELURU KENDALI PADA PENEMBAKAN TARGET MENGGUNAKAN METODE KENDALI OPTIMAL Pembimbing : Subchan, M.Sc. Ph.D. Drs. Kamiran, M.Si. RESTU TRI ASTUTI-1208 100 033 Jurusan Matematika
Lebih terperinciPEMILIHAN SUPPLIER DENGAN PENDEKATAN POSSIBILITY FUZZY MULTI-OBJECTIVE PROGRAMMING
PEMILIHAN SUPPLIER DENGAN PENDEKATAN POSSIBILITY FUZZY MULTI-OBJECTIVE PROGRAMMING Oleh : Heny Nurhidayanti 1206 100 059 Dosen Pembimbing : Drs. Sulistiyo, MT Jurusan Matematika Fakultas Matematika dan
Lebih terperinciBAB I PENDAHULUAN. aljabar max-plus bersifat assosiatif, komutatif, dan distributif.
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Aljabar max-plus adalah himpunan R := R { } dilengkapi dengan operasi a b := max(a,b) dan a b := a + b. Elemen identitas penjumlahan dan perkalian berturut-turut
Lebih terperinciOPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION
OPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION NILA YUWIDA 1208100015 Dosen Pembimbing : Dra. Nuri Wahyuningsih, M.Kes Drs. Lukman Hanafi,
Lebih terperinciEVALUASI KINERJA SIMPANG RE.MARTADINATA- JALAN CITARUM TERHADAP LARANGAN BELOK KIRI LANGSUNG ABSTRAK
EVALUASI KINERJA SIMPANG RE.MARTADINATA- JALAN CITARUM TERHADAP LARANGAN BELOK KIRI LANGSUNG ARDILES GERDEN NRP : 0621025 Pembimbing : TAN LIE ING, S.T., M.T. ABSTRAK Volume lalulintas Kota Bandung mengalami
Lebih terperinciParameterisasi Pengontrol yang Menstabilkan Melalui Pendekatan Faktorisasi
Vol 7, No2, 92-97, Januari 2011 Parameterisasi Pengontrol yang Menstabilkan Melalui Pendekatan Faktorisasi Nur Erawati Abstrak Suatu sistem linear yang matriks transfernya berupa matriks rasional proper,
Lebih terperinciIMPLEMENTASI ALGORITMA GREEDY DALAM MASALAH LINTASAN TERPANJANG MENGGUNAKAN BAHASA C TUGAS AKHIR INDRIANI ARMANSYAH SRG
IMPLEMENTASI ALGORITMA GREEDY DALAM MASALAH LINTASAN TERPANJANG MENGGUNAKAN BAHASA C TUGAS AKHIR INDRIANI ARMANSYAH SRG 112406122 PROGRAM STUDI D3 TEKNIK INFORMATIKA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA
Lebih terperinciAplikasi Graf Fuzzy dan Aljabar Max-Plus untuk Pengaturan. Lampu Lalu Lintas di Simpang Empat Beran Kabupaten Sleman
Aplikasi Graf Fuzzy dan Aljabar Max-Plus untuk Pengaturan Lampu Lalu Lintas di Simpang Empat Beran Kabupaten Sleman Provinsi Daerah Istimewa Yogyakarta Oleh: Arifudin Prabowo Kurniawan 13305144011 ABSTRAK
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) 1
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Aplikasi Pewarnaan Graf Fuzzy untuk Mengklasifikasi Jalur Lalu Lintas di Persimpangan Jalan Insinyur Soekarno Surabaya Sulastri,
Lebih terperinciBAB I PENDAHULUAN. jumlah ketersediaan yang semakin menipis dan semakin mahal, membuat biaya
BAB I PENDAHULUAN 1.1 Latar Belakang Pembangkit Listrik di Indonesia pada umumnya merupakan pembangkit listrik thermal. Kebutuhan pembangkit thermal terhadap bahan bakar fosil dengan jumlah ketersediaan
Lebih terperinciBAB III ANALISA DAN PERANCANGAN SISTEM
BAB III ANALISA DAN PERANCANGAN SISTEM 3.1 ANALISIS SISTEM LALU LINTAS Pemahaman tentang sistem yang akan dirancang sangat diperlukan sebelum perangkat lunak dibangun. Pembangunan perangkat lunak dimulai
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Persimpangan Jalan Persimpangan jalan merupakan simpul transportasi yang terbentuk dari beberapa pendekat dimana arus kendaraan dari beberapa pendekat tersebut bertemu dan
Lebih terperinciBAB I PENDAHULUAN. A. Latar Belakang. pelajar sekaligus kota wisata. Identitas sebagai kota pelajar tercermin dari
BAB I PENDAHULUAN A. Latar Belakang DIY (Daerah Istimewa Yogyakarta) mempunyai identitas sebagai kota pelajar sekaligus kota wisata. Identitas sebagai kota pelajar tercermin dari banyaknya institusi perguruan
Lebih terperinciMASALAH VEKTOR EIGEN MATRIKS INVERS MONGE DI ALJABAR MAX-PLUS
MASALAH VEKTOR EIGEN MATRIKS INVERS MONGE DI ALJABAR MAX-PLUS Farida Suwaibah, Subiono, Mahmud Yunus Jurusan Matematika FMIPA Institut Teknologi Sepuluh Nopember Surabaya,, e-mail: fsuwaibah@yahoo.com
Lebih terperinciDESAIN SISTEM KENDALI TEMPERATUR UAP SUPERHEATER DENGAN METODE FUZZY SLIDING MODE CONTROL
J. Math. and Its Appl. ISSN: 1829-605X Vol. 13, No. 1, Mei 2016, 37-48 DESAIN SISTEM KENDALI TEMPERATUR UAP SUPERHEATER DENGAN METODE FUZZY SLIDING MODE CONTROL Mardlijah 1, Mardiana Septiani 2,Titik Mudjiati
Lebih terperinciESTIMASI POSISI ROBOT MOBIL MENGGUNAKAN UNSCENTED KALMAN FILTER. Oleh: Miftahuddin ( )
ESTIMASI POSISI ROBOT MOBIL MENGGUNAKAN UNSCENTED KALMAN FILTER Oleh: Miftahuddin (1206 100 707) Dosen Pembimbing: Subchan, Ph.D Dr. Erna Apriliani, M.Si Abstrak Robot Mobil atau Mobile Robot adalah konstruksi
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1
JURNAL TEKNIK POMITS Vol., No., (23) -6 Pengendalian Rasio Bahan Bakar dan Udara Pada Boiler Menggunakan Metode Kontrol Optimal Linier Quadratic Regulator (LQR) Virtu Adila, Rusdhianto Effendie AK, Eka
Lebih terperinciImplementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series
Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series Oleh: ABD. ROHIM (1206 100 058) Dosen Pembimbing: Prof. Dr. M. Isa Irawan, MT Jurusan Matematika
Lebih terperinciPengendali Temperatur Fluida Pada Heat Exchanger Dengan Menggunakan Algoritma Model Predictive Control (MPC)
JURNAL TEKNIK POMITS Vol. 3, No. 1, (2014) ISSN: 2337-3539 (2301-9271 Print) A-134 Pengendali Temperatur Fluida Pada Heat Exchanger Dengan Menggunakan Algoritma Model Predictive Control (MPC) Fathimah
Lebih terperinci