Seminar Tesis AKAR KUADRAT ENSEMBLE KALMAN FILTER (AK-EnKF) UNTUK ESTIMASI POSISI PELURU KENDALI
|
|
- Surya Gunawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Seminar Tesis AKAR KUADRAT ENSEMBLE KALMAN FILTER () UNTUK ESTIMASI POSISI PELURU KENDALI OLEH : Teguh Herlambang ( ) DOSEN PEMBIMBING: Subchan, PhD ( ) Dr. Erna Apriliani, M.Si ( )
2 Latar Belaang Peluru Kendali Senjata Militer Otomatis untu mencari target atau menyesuaian arah Isu Saat ini Perencanaan Lintasan dengan estimasi posisi Aar Kuadrat Ensemble Kalman Filter () untu Estimasi Posisi Lintasan ditentuan berdasaran posisi target
3 Rumusan dan Batasan Masalah Rumusan Masalah a. Bagaimana mengimplementasi Aar Kuadrat Ensemble Kalman Filter () untu mengestimasi posisi peluru endali dengan input sudut temba α yang ditentuan? b. Bagaimana mengimplementasi Aar Kuadrat Ensemble Kalman Filter () untu mengestimasi posisi peluru endali dengan input sudut temba α yang diperoleh dari penentuan lintasan? c. Bagaimana perbandingan hasil estimasi posisi peluru endali antara Aar Kuadrat Ensemble Kalman Filter () dengan Ensemble Kalman Filter ()? Batasan Masalah a. Diasumsian tida ada hambatan selama peluru endali terbang. b. Diasumsian pada dimensi dua. c. Simulasi pada penelitian ini menggunaan software Matlab
4 TUJUAN : Tujuan dan Manfaat Tujuan dari Tesis ini adalah untu mendapatan hasil estimasi posisi peluru endali dengan input sudut temba α yang ditentuan dan diperoleh dari menentuan lintasan terlebih dahulu dengan menggunaan metode Aar Kuadrat Ensemble Kalman Filter () dan membandingannya dengan metode Ensemble Kalman Filter (). MANFAAT : memberian informasi mengenai estimasi posisi peluru endali dengan menggunaan metode Aar Kuadrat Ensemble Kalman Filter () dan Ensemble Kalman Filter ().
5 Studi Penelitian Terdahulu Studi Penelitian Terdahulu : Penelitian mengenai perancangan huum panduan terpadu untu misil dengan algoritma hybrid multi tujuan dan tabu search telah dilauan oleh Omar dan Abido (21). Dalam hal ini misil diontrol supaya mengiuti huum panduan yang sudah ditetapan tetapi belum dilauan estimasi Penelitian mengenai estimasi lintasan Misil telah dilauan oleh Pancahayani (211). Metode estimasi yang digunaan adalah Ensemble Kalman Filter () dan dengan nilai input ditetapan. Penelitian lain yang dilauan Jasmir (28) adalah penerapan aar uadrat pada Ensemble Kalman filter () diterapan pada model eadaan pengeboran minya
6 Model Matematia Peluru Kendali 1 g γ = ( L+ Tsin ) cos mv α V γ 1 V = ( Tcos α D) gsin γ m x = V cos γ h = Vsin γ 1 D hv C V S d 2 (,, α) = ρ 2 d ref 2 1α 2α 3 C = A + A + A 1 L hv C V S 2 (,, α) = ρ C = Bα + B l l ref ρ = Ch + Ch+ C Gambar 1. Model gaya pada peluru endali (Oman dan Abido, 21).
7 Lanjutan Kuantitas Nilai satuan m 15 g g 9.81 m/ s Sref m A 1 A 2 A 3 B 1 B T 6 9 C1 3,312.1 C2 4 1,142.1 C g m 2 g m 2 g m
8 Ensemble Kalman Filter () Merupaan salah satu metode dalam asimilasi data yang telah banya digunaan untu mengestimasi berbagai persoalan berbentu model sistem nonlinear, dan telah ditunjuan bahwa mampu menyelesaian model sistem dinami nonlinear dan ruang eadaan (state space) yang besar. Ada tiga tahapan : Tahap inisialisasi Tahap predisi (time update step) Tahap oresi (measurement update step).
9 Inisialisasi x = x x Tentuan nilai awal Algoritma Ensemble Kalman Filter (), i [,1,2,3, N x x xˆ = ] 1 N x ˆ, i N i= 1 Tahap Predisi ˆ ( ˆ + x = f x 1, u 1 ) w, i Estimasi xˆ 1 N = xˆ, i N i= 1 Kovarian Error N 1 P = ( xˆ i xˆ )( xˆ i xˆ,, ) N 1 i= 1 T Tahap Koresi z, i = z + v, i Kalman Gain K Estimasi x xˆ, i ( HP T T = P H H + R Kovarian Error P [ I K H ] P xˆ ( ˆ, + K z, Hx, = i i i N 1 = xˆ N e i = 1 i, = ) ) 1
10 Singular Value Decomposition (SVD) Jia suatu matris m A R terdapat matris ortogonal [ ] dan [ ],, m m U = u1 u R A = UΣV T m dengan matris p = [ m] min, disebut nilai singular dari A dengan Eigen vetor dari Eigen vetor dari,, V = v1 v R sehingga m Σ R yang entri diagonalnya σ σ σ p dan entri yang lain nol. Nilai σ i, i = 1,2,..., p T AA T AA disebut vetor singular iri ( U ) disebut vetor singular anan ( V )
11 Matris Aar Kuadrat Misalan matris spetralnya adalah A R A i= 1 definit positif dengan omposisi = λ ee T i i i dengan λ1, λ2,..., λ nilai eigen dari A dan 1 2 ee= T merupaan vetor eigen dari A. dan 1 i i e, e,..., e untu i = 1, 2,..., dan T ee = untu i j i j dan U = [ e e e ],,..., 1 2 T T A = λ e e = U Λ U i= dengan ( ) i i i ( ) ( ) ( ) ( ) ( ) dimana T T UU = U U = I dan Λ merupaan matris diagonal
12 Lanjutan λ1 λ2 Λ = λ ( ) Karena dengan λ i > ( 1 ) ( 1 ) T T T T T UΛU UΛ U = UΛ U UΛ U = UU = I jadi 1 1 T T A = UΛ U = ee i i i= 1 λi 1 Sehingga matris i= 1 dan dinotasian dengan T 1/2 T λiee i i = UΛ U 1/2 A disebut Aar Kuadrat dari A
13 Algoritma Aar Kuadrat Ensemble Kalman Filter () Inisialisasi x, i = x,1 x,2 x,3 Mean Ensemble Awal x 1, i = x, i N Ensemble Error Awal x, i = x, i x, i = x, i( I 1 N) [, N Tahap Predisi ˆ ( ˆ + x = f x 1, u 1 ) w, i Mean Ensemble x = xˆ 1 i, i, N Error Ensemble x = xˆ x = xˆ ( I 1 ) i, i, i, i, N x ] Tahap Koresi zi, = z+ vi, S = Hx E (,,..., = v1 v2 vn) i, T T C = SS + EE Mean Ensemble T 1 x = x + x S C z Hx Sema Aar Kuadrat -Deomposisi Nilai Eigen T C = UΛU -Menghitung Matris -Menentuan SVD Error Ensemble Estimasi Ensemble ( ) i, i, i, i, i, M = Λ U S M 1/2 T = YLV T T ( ) 1 2 x = x V I LL i, i, x = x + x ˆ, i i, i,
14 Metodologi Penelitian Studi Pendahuluan Mengaji teori dan Sema Aar Kuadrat Mendapatan nilai dari input sudut temba dari lintasan yang telah ditentuan Menerapan Metode dan pada model peluru endali dengan simulasi. Menganalisa Hasil Simulasi
15 Hasil dan Pembahasan Disritisasi Model Penambahan fator Stoasti Implementasi model pada metode Hasil Simulasi
16 Disritisasi Model Dari Model Peluru Kendali Dengan Menggunaan Beda maju Sehingga didapatan 1 g ( L + T sin α) cos γ + t γ γ + 1 mv V V = ( T cos α D) gsin γ + t V x + 1 m h V + t x ( cos γ ) ( sin γ ) + 1 V + t h
17 Penambahan Fator Stoasti secara umum model disrit diatas dapat ditulisan e dalam bentu fungsi nonlinear ( ) x f x u = + 1, Penambahan Fator Stoasti x f x u w = ( ) + 1, + z = Hx + v dengan f ( x, u ) adalah fungsi nonlinier
18 Implementasi Model pada metode Mendefinisian state [ γ ] T x= V x h Memberian nilai awal Model Sistem Model Penguuran [ γ ] x= V x h ( ) x f x u w = 1, g ( L + Tsin α) cos γ + t γ γ + 1 mv V V 1 h V + t x + 1 = ( Tcos α D) gsin γ t V x m ( cos γ ) ( sin γ ) + 1 V + t h Jia V, x dan h merupaan variabel yang bisa diuur maa digunaan 1 matris penguuran H sebagai beriut : H = 1 1 T w
19 Lanjutan z = Hx + v Sehingga diperoleh persamaan penguuran z adalah γ 1 V z = 1 + v x 1 h x = x x... x N Inisialisasi, i,1,2, Selanjutnya Mengiuti Alur Algoritma
20 Hasil Simulasi Dalam simulasi ini, nilai awal yang digunaan adalah Dalam simulasi ini, menggunaan jumlah ensemble sebanya 1, 2 dan 3 dan t =,1 Untu nilai input sudut temba α yang ditentuan α = 15 pi /18; α = 1 pi /18; α = 3 pi /18; α = 35 pi /18; α = ; 4 5
21 Lanjutan Untu mencari nilai Untu nilai input sudut temba α pada asus 2 Untu nilai input sudut temba α pada asus 3 α α = 17, 6839 pi /18; α = 3,564 pi /18; α = 16,349 pi /18; α = 45,3512 pi /18; α = 28,1872 pi /18 α = 33,5356 pi /18; α = 5,8667 pi /18; α = 25, 4611 pi /18; α = 5,5911 pi /18; α = 1, 6429 pi / α = 2, 422 pi /18; α = 4,3916 pi /18; α = 8,3187 pi /18; α α mv γ + mg cos γ L α = arcsin T Untu nilai input sudut temba pada asus = 6,3837 pi /18; α = 28, 4825 pi /18 4 5
22 Lanjutan Untu nilai input sudut temba pada asus Untu nilai input sudut temba α pada asus 5 α α = pi /18; α = pi /18; α = pi /18; α = pi /18; α = pi /18 α = pi /18; α = pi /18; α = pi /18; α = pi /18; α = pi / α Untu nilai input sudut temba pada asus 6 α = 14.7 pi /18; α = pi /18; α = pi /18; α = pi /18; α = pi /18 4 5
23 Grafi Input ditentuan Estimasi Posisi Sudut Real 31 3 Estimasi Kecepatan nilai gamma(posisi sudut) nilai ecepatan (V) posisi) iterasi Estimasi Posisi Horizontal Real iterasi etinggian 25 Real iterasi Estimasi Ketinggian Real iterasi
24 Lanjutan 9 8 real Estimasi Posisi horizontal & Ketinggian 7 6 etinggian posisi horizontal
25 Grafi Input pada Kasus Estimasi Posisi Sudut Real Real Estimasi Kecepatan nilai gamma(posisi sudut) nilai ecepatan (V) iterasi Estimasi Posisi horizontal Real tertentu iterasi Estimasi Ketinggian Real tertentu 12 6 posisi horizontal etinggian iterasi iterasi
26 Lanjutan Real tertentu Estimasi Posisi horizontal & Ketinggian 6 etinggian posisi horizontal
27 Grafi Input pada Kasus Estimasi Posisi Sudut Real Real Estimasi Kecepatan nilai gamma(posisi sudut) iterasi 2 15 Real tertentu Posisi horizontal nilai ecepatan (V) iterasi Real tertentu Estimasi Ketinggian Posisi Horizontal 1 5 etinggian iterasi iterasi
28 Lanjutan 12 1 Real tertentu Estimasi Posisi horizontal & Ketinggian 8 etinggian posisi horizontal
29 Grafi Input pada Kasus Real Estimasi Posisi Sudut Estimasi Kecepatan Real nilai gamma(posisi sudut) nilai ecepatan (V) iterasi Posisi horizontal Real tertentu iterasi Estimasi Ketinggian 15 Real tertentu Posisi Horizontal etinggian
30 Lanjutan 15 Real tertentu Estimasi Posisi horizontal & Ketinggian 1 etinggian posisi horizontal
31 Grafi Input pada Kasus Estimasi Posisi Sudut Real 31 3 Real Estimasi Kecepatan nilai gamma(posisi sudut).5 nilai ecepatan (V) iterasi Posisi horizontal 25 Real tertentu iterasi Estimasi Ketinggian Real tertentu Posisi Horizontal 15 1 etinggian
32 Lanjutan 9 8 Real tertentu Estimasi Posisi horizontal & Ketinggian 7 6 etinggian posisi horizontal
33 Grafi Input pada Kasus Estimasi Posisi Sudut Real Real Estimasi Kecepatan nilai gamma(posisi sudut) iterasi Posisi horizontal 25 Real tertentu 2 nilai ecepatan (V) iterasi Estimasi Ketinggian 8 Real tertentu 7 6 Posisi Horizontal 15 1 etinggian
34 Lanjutan 8 7 Real tertentu Estimasi Posisi horizontal & Ketinggian 6 5 etinggian posisi horizontal
35 Grafi Input pada Kasus Estimasi Posisi Sudut Real Real Estimasi Kecepatan nilai gamma(posisi sudut) iterasi 2 15 Real tertentu Posisi horizontal nilai ecepatan (V) iterasi Real tertentu Estimasi Ketinggian Posisi Horizontal 1 5 etinggian iterasi iterasi
36 Lanjutan Real tertentu Estimasi Posisi horizontal & Ketinggian 6 etinggian posisi horizontal
37 Tabel hasil simulasi dengan nilai input ditetapan
38 Tabel hasil simulasi dengan nilai input pada asus 1
39 Tabel hasil simulasi dengan nilai input pada asus 2
40 Tabel hasil simulasi dengan nilai input pada asus 3
41 Tabel hasil simulasi dengan nilai input pada asus 4
42 Tabel hasil simulasi dengan nilai input pada asus 5
43 Tabel hasil simulasi dengan nilai input pada asus 6
44 Kesimpulan Kesimpulan Hasil simulasi yang telah dilauan dengan menggunaan metode menunjuan bahwa dengan nilai input sudut temba yang ditentuan menghasilan nilai RMSE yang ecil. Hasil simulasi yang telah dilauan dengan menggunaan metode menunjuan bahwa dengan nilai input sudut temba yang diperoleh dari penentuan lintasan terlebih dahulu menghasilan nilai RMSE cuup besar pada posisi horizontal dan etinggian. Perbandingan hasil simulasi antara dengan diperoleh bahwa tida lebih bai daripada arena nilai RMSE sediit lebih besar daripada, begitu juga dengan watu simulasi lebih lama daripada arena adanya proses sema aar uadrat.
45 Daftar Pustaa [1] Apriliani, E. dan Sanjaya, B. A. (27), Redusi Ran pada Matris-Matris Tertentu, Laporan Penelitian Hibah Pasca, Institut Tenologi Sepuluh Nopember, Surabaya. [2] Asfihani, T. (211), Penerapan Kendali Optimal dan metode EKF-UI-WDF untu Estimasi Panduan Peluru Kendali Pada Penembaan Target, Tesis Magister Jurusan Matematia FMIPA Institut Tenologi Sepuluh Nopember, Surabaya. [3] Burgers, G et al. (1998), Analysis Scheme in the Ensemble Kalman Filter, Royal Netherlands Meteorological Institute, De Bilt, the Netherland. [4] Darmawan, R. (21), Perencanaan Lintasan Pesawat Udara Nir Awa (PUNA) dengan Menggunaan Phytagorean Hodograph, Tugas Ahir Jurusan Matematia FMIPA Institut Tenologi Sepuluh Nopember, Surabaya. [5] Evensen, G (29), Data Asimilation The Ensemble Kalman Filter (second edition), Springer-Verlag Berlin Hiedelberg London and New Yor [6] Golub, H. G. dan Loan, V. F. Charles. (1993), Matrix Computations (second edition), The John Hopins University Press, Baltimore and London. [7] Hasbullah, H. (211), Algoritma Adaptive Covariane Ran Unscented Kalman Filter untu Estimasi Ketinggian dan Kecepatan Aliran Sungai, Tesis Magister Jurusan Matematia FMIPA Institut Tenologi Sepuluh Nopember, Surabaya. [8] Jasmir. (28), Penerapan Aar Kuadrat pada Ensemble Kalman Filter, Tesis Magister Jurusan Matematia FMIPA Institut Tenologi Sepuluh Nopember, Surabaya.
46 Daftar Pustaa [9] Johnson, A. R dan Wichern, W. D. (22), Applied Multivariate Statistical Analysis (fifth edition), University of Winconsin Prentice Hall, Inc., New Yor. [1] Lewis, L Fran. (1986), Optimal Estimation, With An Introduction To Stochastic Control Theory, John Wiley and Sons, New Yor [11] Masdui, A. dan Apriliani, E. (28), Estimation of Surabaya River Water Quality Using Kalman Filter Algorithm, The Jounal for Technology and Science, Vol. 19, No. 3, hal [12] Omar, Hanafy.M. dan Abido, M.A. (21), Designing Integrated Guidance Law for Aerodynamic Missiles by Hybrid Multi-Objective Evolutionary Algorithm and Tabu Search, Aerospace Engineering Department, King Fahda University of Petroleum and minerals, Dhahran, Saudi Arabia. [13] Pancahayani, S. (211), Estimasi Lintasan Misil dengan Metode Ensemble Kalman Filter (), Tugas Ahir Jurusan Matematia FMIPA Institut Tenologi Sepuluh Nopember, Surabaya. [14] Siouris, M George. (23), Missile Guidance and Control System, Springer, New Yor. [15] Subchan, S dan Zbiowsi, R. 29. Computational Optimal Control. Cranfield University at Shrivenham: United Kingdom. [16] Tippet, K et all. (23), Ensemble Square Root Filters, International Research Institute for Climate Prediction, Palisades, New Yor
47
ESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR)
SEMINAR NASIONAL PASCASARJANA SAL ESIMASI RAJECORY MOBILE ROBO MENGGUNAKAN MEODE ENSEMBLE KALMAN FILER SQUARE ROO (ENKF-SR) eguh Herlambang Zainatul Mufarrioh Firman Yudianto Program Studi Sistem Informasi
Lebih terperinciPENERAPAN AKAR KUADRAT PADA ENSEMBLE KALMAN FILTER (EnKF) ABSTRAK
PENERAPAN AKAR KUADRA PADA ENSEMBLE KALMAN FILER (EnKF) Jasmir 1, Erna Apriliani 2, Didi Khusnul Arif 3 Email: ijas_1745@yahoo.co.id ABSRAK Ensemble Kalman Filter (EnKF) merupaan salah satu metode untu
Lebih terperinciEstimasi Harga Saham Dengan Implementasi Metode Kalman Filter
Estimasi Harga Saham Dengan Implementasi Metode Kalman Filter eguh Herlambang 1, Denis Fidita 2, Puspandam Katias 2 1 Program Studi Sistem Informasi Universitas Nahdlatul Ulama Surabaya Unusa Kampus B
Lebih terperinciTesis ALGORITMA ADAPTIVE COVARIANCE RANK UNSCENTED KALMAN FILTER UNTUK ESTIMASI KEADAAN PADA PERSAMAAN AIR DANGKAL. Oleh:
Tesis ALGORITMA ADAPTIVE COVARIANCE RANK UNSCENTED KALMAN FILTER UNTUK ESTIMASI KEADAAN PADA PERSAMAAN AIR DANGKAL Oleh: Habib Hasbullah NRP. 1209201707 Dosen Pembimbing: Dr. Erna Apriliani, M.Si Abstra
Lebih terperinciBAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING
Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan
Lebih terperinciEstimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga
JURNAL SAINS DAN SENI POMITS ol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Estimasi Konsentrasi Polutan Sungai Menggunaan Metode Redusi Kalman Filter dengan Pendeatan Elemen Hingga Muyasaroh, Kamiran,
Lebih terperinciImplementasi Ensemble Kalman Filter (Enkf) Untuk Estimasi Ketinggian Air Dan Temperatur Uap Pada Steam Drum Boiler
Implementasi Ensemble Kalman Filter (Enkf) Untuk Estimasi Ketinggian Air Dan Temperatur Uap Pada Steam Drum Boiler Ahmad Nasrullah Jamaludin 1, Erna Apriliani 1, Hendra Cordova 2, Teguh Herlambang 3 1
Lebih terperinciEstimasi Posisi Magnetic Levitation Ball Menggunakan Metode Akar Kuadrat Ensemble Kalman Filter (AK-EnKF)
R E.M. (Reayasa Energi Manufatur Jurnal! "" # $ $% & % " % '! " ( http://dx.doi.org/10.1070/r.e.m.vi1.768 Estimasi Posisi Magnetic Levitation Ball Menggunaan Metode Aar Kuadrat Ensemble Kalman Filter (
Lebih terperinciEstimasi Posisi Mobile Robot Menggunakan Metode Akar Kuadrat Unscented Kalman Filter (AK-UKF)
Estimasi Posisi Mobile Robot Menggunakan Metode Akar Kuadrat Unscented Kalman Filter (AK-UKF) Teguh Herlambang 1), Reizano Amri Rasyid 2), Sri Hartatik 3), Dinita Rahmalia 4) 1) Program Studi Sistem Informasi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Sistem Kendali Lup [1] Sistem endali dapat diataan sebagai hubungan antara omponen yang membentu sebuah onfigurasi sistem, yang aan menghasilan tanggapan sistem yang diharapan.
Lebih terperinciALGORITMA ADAPTIVE COVARIANCE RANK UNSCENTED KALMAN FILTER UNTUK ESTIMASI KEADAAN PADA PERSAMAAN AIR DANGKAL
ALGORITMA ADAPTIVE COVARIANCE RANK UNSCENTED KALMAN FILTER UNTUK ESTIMASI KEADAAN PADA PERSAMAAN AIR DANGKAL Habib Hasbullah 1, Erna Apriliani 2 1 Mahasiswa Program Studi S2, Jurusan Matematika, F-MIPA,
Lebih terperinciSensitivitas Metode Ensemble Kalman Filter untuk Mendeteksi Gangguan pada Masalah Konduksi Panas Satu Dimensi
Jurnal Matematia & Sains, Desember, Vol. 6 omor 3 Sensitivitas Metode Ensemble Kalman Filter untu Mendetesi Gangguan pada Masalah Kondusi Panas Satu Dimensi Erna Apriliani dan Wiwit Sofiyanti Budiono Departement
Lebih terperinciAplikasi diagonalisasi matriks pada rantai Markov
J. Sains Dasar 2014 3(1) 20-24 Apliasi diagonalisasi matris pada rantai Marov (Application of matrix diagonalization on Marov chain) Bidayatul hidayah, Rahayu Budhiyati V., dan Putriaji Hendiawati Jurusan
Lebih terperinciBAB 2 TEORI PENUNJANG
BAB EORI PENUNJANG.1 Konsep Dasar odel Predictive ontrol odel Predictive ontrol P atau sistem endali preditif termasu dalam onsep perancangan pengendali berbasis model proses, dimana model proses digunaan
Lebih terperinciSKEMA AKAR KUADRAT DALAM UNSCENTED KALMAN FILTER UNTUK MENDETEKSI KERAK PADA ALAT PENUKAR PANAS
Prosiding Seminar Nasional Penelitian, Pendidian dan Penerapan MIPA, Faultas MIPA, Universitas Negeri Yogyaarta, 4 Mei 2 SKEMA AKAR KUADRA DALAM UNSCENED KALMAN FILER UNUK MENDEEKSI KERAK PADA ALA PENUKAR
Lebih terperinciTUGAS AKHIR. ESTIMASI POSISI MAGNETIC LEVITATION BALL MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER (EnKF) Oleh: ARIEF RACHMAN
TUGAS AKHIR ESTIMASI POSISI MAGNETIC LEVITATION BALL MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER (EnKF) Oleh: ARIEF RACHMAN 1206 100 710 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
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 terperinciMakalah Seminar Tugas Akhir
Maalah Seminar ugas Ahir Simulasi Penapisan Kalman Dengan Kendala Persamaan Keadaan Pada Kasus Penelusuran Posisi Kendaraan (Vehicle racing Problem Iput Kasiyanto [], Budi Setiyono, S., M. [], Darjat,
Lebih terperinciSIMULASI FILTER KALMAN UNTUK ESTIMASI SUDUT DENGAN MENGGUNAKAN SENSOR GYROSCOPE
SIMULASI FILR KALMAN UNUK SIMASI SUDU DNGAN MNGGUNAKAN SNSOR GYROSCOP Wahyudi *), Adhi Susanto **), Sasongo Pramono **), Wahyu Widada ***) Abstact he Kalman filter is a recursive solution to the process
Lebih terperinciSEMINAR TUGAS AKHIR. Penerapan Metode Ensemble Kalman Filter untuk Estimasi Kecepatan dan Ketinggian Gelombang Non Linear pada Pantai
SEMINAR TUGAS AKHIR Penerapan Metode Ensemble Kalman Filter untuk Estimasi Kecepatan dan Ketinggian Gelombang Non Linear pada Pantai Oleh: Fadila Rahmana 1208 100 044 Abstrak Gelombang laut telah menjadi
Lebih terperinciOptimasi Pada Misil Menggunakan Bang-Bang Control Dan Ensamble Kalman Filter
Optimasi Pada Misil Menggunakan Bang-Bang Control Dan Ensamble Kalman Filter Ahmad Zaenal Arifin Jurusan Matematika, Fakultas MIPA, Universitas PGRI Ronggolawe Tuban (UNIROW) E-Mail: kuyafira@gmail.com
Lebih terperinciANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT
Jurnal Sipil Stati Vol. No. Agustus (-) ISSN: - ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI - DENGAN VARIASI JUMLAH TINGKAT Revie Orchidentus Francies Wantalangie Jorry
Lebih terperinciDESAIN SENSOR KECEPATAN BERBASIS DIODE MENGGUNAKAN FILTER KALMAN UNTUK ESTIMASI KECEPATAN DAN POSISI KAPAL
DESAIN SENSOR KECEPAAN BERBASIS DIODE MENGGUNAKAN FILER KALMAN UNUK ESIMASI KECEPAAN DAN POSISI KAPAL Alrijadjis, Bambang Siswanto Program Pascasarjana, Jurusan eni Eletro, Faultas enologi Industri Institut
Lebih terperinciEstimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman
JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (16) 337-35 (31-98X Print) A-1 Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunaan ARIMA-Filter Kalman dan VAR-Filter Kalman Popy Febritasari, Erna Apriliani
Lebih terperinciY = + x + x x + e, e N(0, ), Residual e=y -Yˆ
Yogyaarta, 26 Noember 206 ISSN : 979 9X eissn : 25 528X ANALISIS PSEUDOINVERS DAN APLIKASINYA PADA REGRESI LINEAR BERGANDA Kris Suryowati Program Studi Statistia, Faultas Sains erapan, Institut Sains dan
Lebih terperinciREDUKSI MODEL ALIRAN AIR SUNGAI SATU DIMENSI DENGAN METODE SINGULAR PERTURBATION APPROXIMATION
TUGAS AKHIR SM141501 REDUKSI MODEL ALIRAN AIR SUNGAI SATU DIMENSI DENGAN METODE SINGULAR PERTURBATION APPROXIMATION AIRIN NUR HIDAYATI NRP 113 100 095 Dosen Pembimbing Dr. Didi Khusnul Arif, S.Si, M.Si.
Lebih terperinciIMPLEMENTASI ENSEMBLE KALMAN FILTER PADA ESTIMASI KECEPATAN KAPAL SELAM
SIDANG TUGAS AKHIR IMPLEMENTASI ENSEMBLE KALMAN FILTER PADA ESTIMASI KEEPATAN KAPAL SELAM Oleh: RISA FITRIA 57 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH
Lebih terperinciAPLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID
APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID Ferry Tan, Giovani Gracianti, Susanti, Steven, Samuel Luas Jurusan Teni Informatia, Faultas
Lebih terperinciPerbandingan Algoritma Golub Kahan dan QR Simetri untuk Dekomposisi Nilai Singular
J. Math. and Its Appl. ISSN: 1829-605X Vol. 3, No. 1, May 2006, 19 25 Perbandingan Algoritma Golub Kahan dan QR Simetri untuk Dekomposisi Nilai Singular Dieky Adzkiya, E. Apriliani, Bandung A.S. Jurusan
Lebih terperinciKENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN
KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN Pardi Affandi, Faisal, Yuni Yulida Abstra: Banya permasalahan yang melibatan teori sistem dan teori ontrol serta apliasinya. Beberapa referensi
Lebih terperinciBAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA
BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA Pada penelitian ini, suatu portfolio memilii seumlah elas risio. Tiap elas terdiri dari n, =,, peserta dengan umlah besar, dan
Lebih terperinciBAB IV APLIKASI PADA MATRIKS STOKASTIK
BAB IV : ALIKASI ADA MARIKS SOKASIK 56 BAB IV ALIKASI ADA MARIKS SOKASIK Salah satu apliasi dari eori erron-frobenius yang paling terenal adalah penurunan secara alabar untu beberapa sifat yang dimilii
Lebih terperinciBAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK
BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB PENDAHULUAN. Latar belaang Metode analisis yang telah dibicaraan hingga searang adalah analisis terhadap data mengenai sebuah arateristi atau atribut (jia data itu ualitatif) dan mengenai sebuah variabel,
Lebih terperinciKORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak
KORELASI ANARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISEM ADAPIF Sri Arttini Dwi Prasetyawati 1 Abstra Masud pembahasan tentang orelasi dua sinyal adalah orelasi dua sinyal yang sama aan tetapi
Lebih terperinciBAB II DASAR TEORI. II.1. Pendahuluan
BAB II DASAR EORI II.1. Pendahuluan Pada bab ini pertama-tama aan dijelasan secara singat apa yang dimasud dengan target tracing dalam sistem Radar. Di dalam sebuah sistem Radar ada beberapa proses yang
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 Latar Belaang PENDAHULUAN Sistem biometri adalah suatu sistem pengenalan pola yang melauan identifiasi personal dengan menentuan eotentian dari arateristi fisiologis dari perilau tertentu yang dimilii
Lebih terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL Syafruddin Side, Jurusan Matematia, FMIPA, Universitas Negeri Maassar email:syafruddinside@yahoo.com Info: Jurnal MSA Vol. 3
Lebih terperinciKata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan
Statisti Respon Kanal Radio Dalam Ruang Pada Freuensi,6 GHz Christophorus Triaji I, Gamantyo Hendrantoro, Puji Handayani Institut Tenologi Sepuluh opember, Faultas Tenologi Industri, Jurusan Teni Eletro
Lebih terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI Jurusan Matematia, FMIPA, Universitas Negeri Maassar Email: nanni.cliq@gmail.com Abstra. Pada artiel ini dibahas
Lebih terperinciOptimasi Non-Linier. Metode Numeris
Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran
Lebih terperinciVARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL
SEMINAR NASIONAL PENDIDIKAN SAINS Peningatan Kualitas Pembelajaran Sains dan Kompetensi Guru melalui Penelitian & Pengembangan dalam Menghadapi Tantangan Abad-1 Suraarta, Otober 016 VARIASI NILAI BATAS
Lebih terperinciImplementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf
JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: 2337-3539 (230-927 Print) Implementasi Algoritma Pencarian Jalur Sederhana Terpende dalam Graf Anggaara Hendra N., Yudhi Purwananto, dan Rully Soelaiman Jurusan
Lebih terperinciPEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA
PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat
Lebih terperinciANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)
Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI FJLB (FINGER JOINT LAMINATING BOARD)
Lebih terperinciMakalah Seminar Tugas Akhir
Maalah Seminar Tugas Ahir PENDETEKSI POSISI MENGGUNAKAN SENSOR ACCELEROMETER MMA7260Q BERBASIS MIKROKONTROLER ATMEGA 32 Muhammad Riyadi Wahyudi, ST., MT. Iwan Setiawan, ST., MT. Abstract Currently, determining
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti
Lebih terperinciBAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel
BAB III ANALISIS DISKRIMINAN 3.1 Pengertian Analisis Disriminan Analisis disriminan merupaan sala satu metode yang digunaan dalam analisis multivariat dengan metode dependensi (dimana ubungan antar variabel
Lebih terperinci( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang
Latar Belaang Terdapat banya permasalahan atau ejadian dalam ehidupan sehari hari yang dapat dimodelan dengan suatu proses stoasti Proses stoasti merupaan permasalahan yang beraitan dengan suatu aturan-aturan
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 terperinciKENDALI LOGIKA FUZZY DENGAN METODA DEFUZZIFIKASI CENTER OF AREA DAN MEAN OF MAXIMA. Thiang, Resmana, Wahyudi
KENDALI LOGIKA FUZZY DENGAN METODA DEFUZZIFIKASI CENTER OF AREA DAN MEAN OF MAXIMA Thiang, Resmana, Wahyudi Jurusan Teni Eletro, Universitas Kristen Petra Jl. Siwalanerto 121-131 Surabaya Email : thiang@petra.ac.id,
Lebih terperinciSISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak
SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Oleh : Pandapotan Siagia, ST, M.Eng (Dosen tetap STIKOM Dinamia Bangsa Jambi) Abstra Sistem pengenal pola suara atau yang lebih dienal dengan
Lebih terperinciWAKTU OPTIMUM PADA PELURU KENDALI DENGAN MANUVER AKHIR MENGHUNJAM VERTIKAL. Sari Cahyaningtias Dosen Pembimbing: Subchan, Ph.
WAKTU OPTIMUM PADA PELURU KENDALI DENGAN MANUVER AKHIR MENGHUNJAM VERTIKAL Sari Cahyaningtias 1207 100 046 Dosen Pembimbing: Subchan, Ph.D Abstrak Peluru kendali adalah senjata berpanduan dan didesain
Lebih terperinciEstimasi Solusi Model Pertumbuhan Logistik dengan Metode Ensemble Kalman Filter
Jurnal ILMU DASAR, Vol.14, No,2, Juli 2013 : 85-90 85 Estimasi Solusi Model Pertumbuhan Logistik dengan Metode Ensemble Kalman Filter Solution Estimation of Logistic Growth Model with Ensemble Kalman Filter
Lebih terperinciMASALAH VEKTOR EIGEN MATRIKS INVERS MONGE DI ALJABAR MAX-PLUS
Seminar Sains Penidi Sains VI UKSW Salatiga Juni 0 MSLH VEKTOR EIGEN MTRIKS INVERS MONGE DI LJBR MX-PLUS Farida Suwaibah Subiono Mahmud Yunus Jurusan Matematia FMIP Institut Tenologi Sepuluh Nopember Surabaya
Lebih terperinciSifat-sifat Nilai Eigen dan Vektor Eigen Matriks atas Aljabar Maxplus
J. Sains Dasar () Sifat-sifat Nilai Eigen dan Vetor Eigen Matris atas ljabar Maxplus (The Properties of Eigen Value and Eigen Vector of Matrices Over Maxplus lgebra) Musthofa * dan Nienasih inatari * Jurusan
Lebih terperinciPengantar Penerjemah. Daftar Istilah
Pengantar Penerjemah Saya awali tulisan ini dengan Nama Alloh Sang Maha Pengasih Sang Maha Penyayang. Segala Puji bagi-nya yang telah mengajaran ilmu epada siapa saja yang diehendai-nya. Sungguh, saya
Lebih terperincitidak mempunyai fixed mode terdesentralisasi, dapat dilakukan dengan memberikan kompensator terdesentralisasi. Fixed mode terdesentralisasi pertama
BB IV PENGENDLIN TERDESENTRLISSI Untu menstabilan sistem yang tida stabil, dengan syarat sistem tersebut tida mempunyai fixed mode terdesentralisasi, dapat dilauan dengan memberian ompensator terdesentralisasi.
Lebih terperinciSoal-Jawab Fisika OSN x dan = min. Abaikan gesekan udara. v R Tentukan: a) besar kelajuan pelemparan v sebagai fungsi h. b) besar h maks.
Soal-Jawab Fisia OSN - ( poin) Sebuah pipa silinder yang sangat besar (dengan penampang lintang berbentu lingaran berjarijari R) terleta di atas tanah. Seorang ana ingin melempar sebuah bola tenis dari
Lebih terperinciMODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM
MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM 1,2 Faultas MIPA, Universitas Tanjungpura e-mail: csuhery@sisom.untan.ac.id, email: dedi.triyanto@sisom.untan.ac.id Abstract
Lebih terperinciKumpulan soal-soal level seleksi Kabupaten: Solusi: a a k
Kumpulan soal-soal level selesi Kabupaten: 1. Sebuah heliopter berusaha menolong seorang orban banjir. Dari suatu etinggian L, heliopter ini menurunan tangga tali bagi sang orban banjir. Karena etautan,
Lebih terperinciKAJIAN TEOREMA TITIK TETAP PEMETAAN KONTRAKTIF PADA RUANG METRIK CONE LENGKAP DENGAN JARAK-W
J. Math. and Its Appl. ISSN: 1829-605X Vol. 8, No. 2, November 2011, 43 49 KAJIAN TEOREMA TITIK TETAP PEMETAAN KONTRAKTIF PADA RUANG METRIK CONE LENGKAP DENGAN JARAK-W Sunarsini. 1, Sadjidon 2 Jurusan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang
Lebih terperinciPENGENDALIAN OPTIMAL PADA SISTEM STEAM DRUM BOILER MENGGUNAKAN METODE LINEAR QUADRATIC REGULATOR (LQR) Oleh : Ika Evi Anggraeni
PENGENDALIAN OPTIMAL PADA SISTEM STEAM DRUM BOILER MENGGUNAKAN METODE LINEAR QUADRATIC REGULATOR (LQR) Oleh : Ika Evi Anggraeni 206 00 03 Dosen Pembimbing : Dr. Erna Apriliani, M.Si Hendra Cordova, ST,
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 terperinciI. PENDAHULUAN. Teori graf merupakan salah satu bagian ilmu dari matematika dan merupakan
I. PENDAHULUAN. Latar Belaang Teori graf merupaan salah satu bagian ilmu dari matematia dan merupaan poo bahasan yang relatif muda jia dibandingan dengan cabang ilmu matematia yang lain seperti aljabar
Lebih terperinciRuang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya
J. Math. and Its Appl. ISSN: 1829-605X Vol. 2, No. 1, May. 2005, 37 45 Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya Sadjidon Jurusan Matematia Institut Tenologi Sepuluh Nopember,
Lebih terperinciUkuran Pemusatan Data
Uuran Pemusatan Data Atina Ahdia, S.Si., M.Si. Universitas Islam Indonesia Uuran Pemusatan Data 1. Mean (rata-rata) 2. Median (nilai tengah) 3. Modus Mean 1. Rata-rata Hitung Misalan terdapat N observasi,
Lebih terperinciMetode Asimilasi Data sebagai Estimasi Penyelesaian Masalah-masalah Lingkungan
J. of Math. and Its Appl. ISSN: 1829-605X Vol. 1, No. 1 (2004), 19 Metode Asimilasi Data sebagai Estimasi Penyelesaian Masalah-masalah Lingkungan Erna Apriliani Jurusan Matematika Institut Teknologi Sepuluh
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY Tedy Rismawan dan Sri Kusumadewi Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teni
Lebih terperinciSISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER
SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Pandapotan Siagian, ST, M.Eng Dosen Tetap STIKOM Dinamia Bangsa - Jambi Jalan Sudirman Theoo Jambi Abstra Sistem pengenal pola suara atau
Lebih terperinciMENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL
MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL Sarta Meliana 1, Mashadi 2, Sri Gemawati 2 1 Mahasiswa Program Studi S1 Matematia 2 Dosen Jurusan Matematia Faultas Matematia dan
Lebih terperinciKECENDERUNGAN PENGGUNAAN JENIS ALAT KONTRASEPSI PESERTA KB AKTIF PADA KABUPATEN SIDOARJO TAHUN 2009
KECENDERUNGAN PENGGUNAAN JENIS ALAT KONTRASEPSI PESERTA KB AKTIF PADA KABUPATEN SIDOARJO TAHUN 009 Furqan Qadarisman, dan Dwiatmono Agus W. Jurusan Statistia Institut Tenologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER
ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER Oleh: Supardi SEKOLAH PASCA SARJANA JURUSAN ILMU FISIKA UNIVERSITAS NEGERI YOGYAKARTA 2012 1 PENDAHULUAN Liquid Crystal elastomer (LCE
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belaang Di aman searang sebuah adal yang tersusun rapi merupaan ebutuhan bagi setiap individu. Namun masalah penyusunan sebuah adal merupaan sebuah masalah umum yang teradi,
Lebih terperinciKONTROL MOTOR PID DENGAN KOEFISIEN ADAPTIF MENGGUNAKAN ALGORITMA SIMULTANEOUS PERTURBATION
Konferensi Nasional Sistem dan Informatia 29; Bali, November 14, 29 KONTROL MOTOR PID DENGAN KOEFISIEN ADAPTIF MENGGUNAKAN ALGORITMA SIMULTANEOUS PERTURBATION Sofyan Tan, Lie Hian Universitas Pelita Harapan,
Lebih terperinciREDUKSI RANK PADA MATRIKS-MATRIKS TERTENTU
J. Math. and Its Appl. ISSN: 89-65X Vol. 4, No., November 7, 8 REDUKSI RANK PADA MATRIKS-MATRIKS TERTENTU Erna Apriliani, Bandung Arry Sanjoyo Jurusan Matematika FMIPA Institut Teknologi Sepuluh Nopember,
Lebih terperinciINTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON. Makalah. Disusun guna memenuhi tugas Mata Kuliah Metode Numerik. yang dibimbing oleh
INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON Maalah Disusun guna memenuhi tugas Mata Kuliah Metode Numeri yang dibimbing oleh Dr. Nur Shofianah Disusun oleh: M. Adib Jauhari Dwi Putra 146090400111001
Lebih terperinciPemodelan Dan Eksperimen Untuk Menentukan Parameter Tumbukan Non Elastik Antara Benda Dengan Lantai
Pemodelan Dan Esperimen Untu enentuan Parameter Tumbuan Non Elasti Antara Benda Dengan Lantai Puspa onalisa,a), eda Cahya Fitriani,b), Ela Aliyani,c), Rizy aiza,d), Fii Taufi Abar 2,e) agister Pengajaran
Lebih terperinciPERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI. Abstrak
PERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI Dwi Yuli Rakhmawati, Muhammad Mashuri 2,2) Institut Teknologi Sepuluh Nopember dwiyuli_rakhmawati@yahoo.com,
Lebih terperinciPERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV
PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV Nama Mahasiswa : Husien Haial Fasha NRP : 1207 100 011 Jurusan : Matematia FMIPA-ITS Dosen Pembimbing : Drs. Suharmadi, Dipl.
Lebih terperinciPencitraan Tomografi Elektrik dengan Elektroda Planar di Permukaan
Abstra Pencitraan omografi Eletri dengan Eletroda Planar di Permuaan D. Kurniadi, D.A Zein & A. Samsi KK Instrumentasi & Kontrol, Institut enologi Bandung Jl. Ganesa no. 10 Bandung Received date : 22 November2010
Lebih terperinciMODEL MATEMATIKA KONSENTRASI OKSIGEN TERLARUT PADA EKOSISTEM PERAIRAN DANAU
MDEL MATEMATIKA KNSENTRASI KSIGEN TERLARUT PADA EKSISTEM PERAIRAN DANAU Sutimin Jurusan Matematia, FMIPA Universitas Diponegoro Jl. Prof. H. Soedarto SH Tembalang, Semarang 5075 E-mail: su_timin@yanoo.com
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 terperinciUji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group
Uji Alternatif Data Terurut Perbandingan antara Uji Joncheere Terpstra dan Modifiasinya Ridha Ferdhiana Statistics Peer Group Jurusan Matematia FMIPA Universitas Syiah Kuala Banda Aceh, Aceh, 23 email:
Lebih terperinciPENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT
Seminar Nasional Apliasi Tenologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022 Yogyaarta, 16 Juni 2007 PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT I ing Mutahiroh, Indrato, Taufiq Hidayat Laboratorium
Lebih terperinciSOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK (STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS)
Prosiding Semirata15 bidang MIPA BKS-PTN Barat Hal 357-36 SOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS) Budi Rudianto 1, Narwen Jurusan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Masalah untu mencari jalur terpende di dalam graf merupaan salah satu masalah optimisasi. Graf yang digunaan dalam pencarian jalur terpende adalah graf yang setiap sisinya
Lebih terperinciPengenalan Pola. Klasifikasi Linear Discriminant Analysis
Pengenalan Pola Klasifiasi Linear Discriminant Analysis PTIIK - 2014 Course Contents 1 Analisis Disriminan 2 Linear Classification 3 Linear Discriminant Analysis (LDA 4 Studi Kasus dan Latihan Analisis
Lebih terperinciVariasi Spline Kubik untuk Animasi Model Wajah 3D
Variasi Spline Kubi untu Animasi Model Wajah 3D Rachmansyah Budi Setiawan (13507014 1 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciBAB III HASIL DAN PEMBAHASAN
15 BAB III HASIL DAN PEMBAHASAN 3.1Relasi Dispersi Pada bagian ini aan dibahas relasi dispersi untu gelombang internal pada fluida dua-lapisan.tinjau lapisan fluida dengan ρ a dan ρ b berturut-turut merupaan
Lebih terperinciBAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT.
BAB 5 RUANG VEKTOR UMUM Dr. Ir. Abdul Wahid Surhim, MT. KERANGKA PEMBAHASAN. Ruang Vetor Nyata. Subruang. Kebebasan Linier 4. Basis dan Dimensi 5. Ruang Baris, Ruang Kolom dan Ruang Nul 6. Ran dan Nulitas
Lebih terperinciMEKANIKA TANAH HIDROLIKA TANAH DAN PERMEABILITAS MODUL 3
MEKANIKA TANAH MODUL 3 HIDROLIKA TANAH DAN PERMEABILITAS UNIVERSITAS PEMBANGUNAN JAYA Jl. Boulevard Bintaro Setor 7, Bintaro Jaya Tangerang Selatan 15224 Silus hidrologi AIR TANAH DEFINISI : air yang terdapat
Lebih terperinciAPLIKASI ALGORITMA CONJUGATE GRADIENT PADA JARINGAN SYARAF TIRUAN PERAMBATAN BALIK. Tesis
APLIKASI ALGORITMA CONJUGATE GRADIENT PADA JARINGAN SYARAF TIRUAN PERAMBATAN BALIK Tesis Program Studi Teni Eletro Jurusan Ilmu-ilmu Teni disusun oleh : Wiwien Widyastuti 8475/I-/820/02 PROGRAM PASCASARJANA
Lebih terperinciADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoko Sumaryono ABSTRACT
Jurnal Teni Eletro Vol. 3 No.1 Januari - Juni 1 6 ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoo Sumaryono ABSTRACT Noise is inevitable in communication
Lebih terperinciBEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE. Triyani dan Irham Taufiq Universitas Jenderal Soedirman
JMP : Volume 4 Nomor 2, Desember 2012, hal. 271-278 BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE Triyani dan Irham Taufiq Universitas Jenderal Soedirman trianisr@yahoo.com.au ABSTRACT.
Lebih terperinciPERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM
Seminar Nasional Sistem dan Informatia 2007; Bali, 16 November 2007 PERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM Fajar Saptono 1) I ing Mutahiroh
Lebih terperinci( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang
LANDASAN TEORI Ruang Contoh Kejadian dan Peluang Suatu percobaan yang dapat diulang dalam ondisi yang sama yang hasilnya tida dapat dipredisi secara tepat tetapi ita dapat mengetahui semua emunginan hasil
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 terperinciVISUALISASI GERAK PELURU MENGGUNAKAN MATLAB
KARYA TULIS ILMIAH VISUALISASI GERAK PELURU MENGGUNAKAN MATLAB Oleh: Drs. Ida Bagus Alit Paramarta, M.Si. Dra. I.G.A. Ratnawati, M.Si. JURUSAN FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS
Lebih terperinci