Pengaturan Proses Tekanan pada Sistem Pengaturan Berjaringan Menggunakan Kontroler Fuzzy Neural Network
|
|
- Handoko Tedja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Pengaturan Proses Tekanan pada Sstem Pengaturan Berjarngan Menggunakan Kontroler Fuzzy Neural Network Rende Ramadhan, 0800 Bdang Stud Sstem Pengaturan, Jurusan Teknk Elektro FTI - ITS Emal : rende.ramadhan@gmal.com Abstrak Delay yang terjad pada Sstem Pengaturan Berjarngan (SPB) dapat mengganggu knerja sstem. Hal n dapat berdampak pada penurunan performa dan terjadnya ketdakstablan pada sstem. Dalam konsep pengaturan menggunakan jarngan komunkas, gangguan n tdak bsa dhlangkan. Namun, suatu metode kontrol dapat dberkan untuk mempertahankan knerja sstem. Dalam peneltan Tugas Akhr n drancang sebuah kontroler Fuzzy Neural Network (FNN) untuk mengendalkan proses tekanan melalu jarngan komunkas. Jarngan komunkas yang dgunakan berupa Ethernet. Kontroler FNN tersebut merupakan hbrda antara dua konsep kecerdasan buatan, yatu sstem fuzzy dan artfcal neural network (ANN). Peneltan n akan dujkan terhadap Temperature Process Rg 8-74 sebaga plant dengan memberkan perlakuan yang berbeda untuk setap gangguan yang akan datas. Untuk pembebanan nomnal dengan varas delay dperoleh respon dapat mengkut nla set pont akan tetap memlk overshoot terbesar senla %M p = 6% pada delay 0.68 detk dan e ss = ± 0.%. Pada pembebanan mnmal dengan varas delay dperoleh respon sstem dengan nla %M p = ± 60.% dan e ss = ± 0.%. Pada pembebanan maksmal dengan varas delay dperoleh nla overshoot dan error keadaan steady terbesar dperoleh pada nla delay 0.68 detk sebesar %M p = ± 4.% dan e ss = ± 0.%. Kata Kunc - SPB, kontroler FNN, Pengaturan Tekanan, delay. T I. PENDAHULUAN eknolog komunkas saat n telah berkembang pesat dan dgunakan dalam aspek kehdupan yang luas, sepert bdang lmu pengetahuan, ndustr, ekonom, sosal, bahkan poltk. Beberapa tpe jarngan komunkas, sepert Ethernet, Feldbus, dan Wreless, telah dgunakan dalam aplkas prakts yang luas dan selalu berkembang dengan munculnya generas-generas baru dar masng-masng tpe. Ethernet yang merupakan jens skenaro pengkabelan dan pemrosesan snyal untuk data jarngan komputer awalnya dkembangkan pada tahun 97 oleh perusahaan Xerox d Palo Alto Research Center (PARC) dengan nama Xerox Ethernet. Teknolog tersebut dgunakan untuk menghubungkan 00 komputer pada kecepatan,94 Gbps melalu kabel sepanjang satu klometer. Sejak saat tu, teknolog Ethernet berkembang sangat. Serng dengan perkembangan teknolog komunkas tersebut, bdang lmu sstem pengaturan telah mengalam perluasan lngkup. Konsep sstem pengaturan umpan balk yang dahulu memlk konfguras jarngan pengkabelan kontrol terdedkas, saat n menyspkan jarngan komunkas real-tme sebaga jalur komunkas. Sstem pengaturan umpan balk dmana sstem lup tertutup menggunakan jarngan real-tme dsebut Sstem Pengaturan Berjarngan (Networked Control System) []. SPB memungknkan komunkas antara sensor, aktuator, kontroler, dan plant berada pada node tunggal jarngan komunkas. Penggunaan jarngan komunkas semacam tu menghaslkan arstektur yang fleksbel dan mengurang baya nstalas dan perawatan. Penerapan jarngan komunkas ke dalam skema sstem pengaturan menyebabkan permasalahan yang ada pada jarngan komunkas berlaku juga pada SPB. Permasalahan yang terjad pada SPB berada pada persmpangan antara teor pengaturan dan komunkas. Secara tradsonal, teor pengaturan berfokus pada stud dnamka sstem yang terhubung melalu saluran deal sedangkan teor komunkas mempelajar transms nformas melalu jarngan tak deal []. Permasalahan yang dhadap pada SPB adalah permasalahan yang muncul karena adanya delay (waktu tunda) jarngan yang dsebabkan oleh kepadatan lalu lntas jarngan. Keberadaan waktu tunda pada jarngan menyebabkan penurunan pada performans sstem. Bahkan, dalam beberapa kasus kehadran waktu tunda tersebut menggerakkan performans sstem menuju ketdakstablan. Berdasarkan permasalahan tersebut, peneltan Tugas Akhr n berfokus pada penyelesaan masalah yang ada pada SPB dalam sudut pandang lmu sstem pengaturan. Perancangan kontroler Self-tunng Fuzzy dengan mekansme kontroler Fuzzy bertngkat pada SPB telah dbahas pada []. Penerapan kontroler FNN, dkenal juga sebaga Neuro-Fuzzy (NF), pada sstem pengaturan proses ndustr dan Motor DC untuk memperoleh performans yang dngnkan telah dbahas pula pada [,6]. Pada peneltan Tugas Akhr n dajukan penerapan kontroler FNN pada SPB untuk memperoleh performans yang dngnkan. Kontroler FNN tersebut dgunakan sebaga drect controller pada SPB. Perancangan Kontroler FNN mengacu pada [4,,], sedangkan penurunan rumus dar mekansme adaptas fuzzy berbass neural network dalam Tugas Akhr n mengacu pada [4,9,0]. II. TEORI DASAR A. Sstem Pengaturan Berjarngan SPB merupakan sstem pengaturan umpan balk lup tertutup dmana pertukaran nformas antar komponen dlakukan dalam bentuk paket data melalu jarngan realtme. SPB memungknkan komunkas antara sensor, aktuator, kontroler, dan plant berada pada node tunggal jarngan komunkas. Arstektur SPB pada dasarnya
2 memlk lma komponen dasar sepert dtunjukkan pada Gambar. Penyspan jarngan komunkas pada SPB memungknkan pelaksanaan beberapa tugas dar jarak jauh. Keunggulan yang dtawarkan oleh SPB tentunya drng muncul beberapa masalah yang tmbul akbat penggunaan jarngan komunkas. Pemasangan jarngan komunkas d lup umpan balk membuat perancangan dan analss SPB menjad lebh kompleks. Hal n dsebabkan penggunaan jarngan komunkas yang dpengaruh oleh beberapa gangguan, yatu waktu tunda dan packet dropout. Aktuator Plant Kontroler Sensor Jarngan Komunkas Aktuator Gambar. Arstektur SPB dan Alran Informas []. Plant Kontroler Sensor Waktu tunda jarngan dalam SPB dapat dkategorkan ke dalam dua bentuk yatu waktu tunda yang dakbatkan karena transms snyal dar sensor ke kontroler yang dnotaskan τ sc dan tunda waktu dar kontroler ke aktuator yang dnotaskan τ ca. Waktu yang dbutuhkan oleh kontroler dalam memproses snyal (τ c ) dan waktu tunda yang ada dalam jarngan dapat djadkan sebaga satu kesatuan waktu tunda total (τ) waktu tunda n dapat dabakan karena umumnya lebh kecl jka dbandngkan dengan waktu tunda jarngan. Waktu tunda τ sc dan τ ca terdr atas beberapa bagan, yatu : watng tme delay (τ w ) yatu waktu tunda pada kontroler atau lup plant akbat proses antran dan ketersedaan jarngan sebelum kontroler mengrmkan paket data, frame tme delay (τ f ) yatu waktu yang dbutuhkan untuk konvers snyal kontrol menjad paket data sebelum sap dtransmskan melalu jarngan, dan propagaton delay (τ p ) adalah waktu yang dbutuhkan oleh paket data untuk melalu meda transms. Besarnya waktu tunda n bergantung pada kecepatan transms meda serta jarak antara sumber dan tujuan. tunda dar snyal kontrol dan hasl pengukuran sensor terjad akbat adanya proses antran paket data bak pada swtch, router maupun hub. Waktu tunda τ sc dan τ ca juga bergantung kepada faktor lan sepert spesfkas bandwdth maksmum pada protokol yang dpaka dan besarnya ukuran paket data. B. Fuzzy Neural Network Sstem hbrda yang menggabungkan logka fuzzy, neural network, algortma genetka, dan konsep kecerdasan buatan lannya membuktkan efektvtasnya dalam beragaman aplkas penyelesaan masalah. Setap konsep kecerdasan buatan memlk kemampuan khusus dalam penyelesaan masalah tertentu. Sebaga contoh, neural network memlk kemampuan yang bak dalam mengenal suatu pola, fuzzy memlk kemampuan dalam teknk pengamblan keputusan, dan algortma genetka memlk kelebhan dalam hal optmalsas. FNN merupakan sstem hbrda yang menggabungkan dua konsep kecerdasan buatan, yatu sstem fuzzy dan neural network. Permasalahan dalam hal pengamblan keputusan dapat dselesakan dengan menerapkan konsep dar logka fuzzy. Sedangkan, adaptas dlakukan dengan kemampuan belajar yang dmlk neural network. Gambar menggambarkan topolog dar FNN dmana sstem fuzzy dekspreskan dalam struktur neural network. Lapsan Node Lapsan 4 Node akumulas aturan fuzzy dengan varabel lngustk keluaran yang sama Lapsan Node kombnas Aturan Fuzzy Lapsan Node Fuzzfkas Lapsan Node n x n n n U n I I Forward Propagaton FNN Back Propgataon FNN Gambar. Dagram Waktu tunda dar SPB []. Gambar mengambarkan proses pengrman paket data dar plant kontroler aktuator pada SPB dengan waktu tunda. Secara umum, terdapat tga bagan fundamental dar waktu tunda yang terjad d dalam sebuah jarngan. Waktu Gambar. Topolog dar Model Fuzzy Neural Network. Teknk adaptas FNN berdasarkan pada metode pembelajaran back propagaton pada neural network. Topolog FNN tersebut terdr dar lma lapsan dmana fungs dar setap lapsan dbahas dalam subbab n. FNN terdr dar dua tahap, yatu forward propagaton dan back propagaton. Pada tahap forward propagaton masukan dar sstem FNN dgunakan sebaga nformas untuk mengambl suatu keputusan. Tahap n sebenarnya merupakan proses perhtungan sstem fuzzy yang drepresentaskan ke dalam lma lapsan layaknya pada neural network. Jad, pada tahap forward propagaton melaksanakan fungs-fungs yang dlaksanakan sstem fuzzy, sepert fuzzfkas, aturan nferens, hngga defuzzfkas. Setelah proses pengamblan keputusan pada tahap forward propagaton, keputusan yang dperoleh
3 dbandngkan dengan keluaran yang dharapkan. Dengan perbandngan tersebut, maka dperoleh nla error. Nla error tersebut dgunakan sebaga nformas untuk melakukan perbakan parameter-parameter dar fuzzy. Proses adaptas parameter-parameter dar setap lapsan tersebut dlakukan pada tahap n, yatu back propagaton. Algortma learnng back propagaton dperoleh sama halnya pada neural network, yatu dengan memnmalkan energ error pada persamaan (). E n T O Dengan T dan O berturut-turut adalah keluaran yang dngnkan dan keluaran aktual. Untuk merepresentaskan aturan learnng, perlu dlakukan perhtungan E / O dar lapsan per lapsan FNN dmula dar lapsan terluar. A. Arstektur SPB III. PERANCANGAN SISTEM Arstektur SPB yang drancang pada peneltan Tugas Akhr n memlk lma elemen utama, yatu kontroler, aktuator, plant, sensor, dan jarngan komunkas. Kelma elemen tersebut dbangun dalam suatu konfguras sstem pengaturan lup tertutup. Gambar 4 menunjukkan blok dagram SPB yang dgunakan dalam perancangan peneltan Tugas Akhr n. Pemberan set pont, perhtungan nla error (selsh nla set pont dengan keluaran plant), serta desan kontroler dlakukan pada komputer dengan program LabVIEW. Snyal kontrol dkrm melalu jarngan Ethernet ke perangkat DAM dalam bentuk paket-paket data dgtal. Kemudan, perangkat DAM memproses paket data tersebut untuk dkonvers menjad snyal analog yang bersesuaan, yatu tegangan atau arus. Snyal kontrol yang telah dkonvers tersebut dkrm ke aktuator untuk mengatur varabel yang dkontrol pada plant, msal: tekanan. Keluaran dar plant kemudan dkrm kembal ke perangkat DAM untuk kemudan dkonvers menjad snyal dgtal yang bersesuaan dan dkrm ke komputer melalu jarngan Ethernet. () Berkutnya, snyal kontrol dkrm ke ADAM 000L/TCP untuk dproses melalu jarngan Ethernet. Modul AO-04 kemudan mengrm snyal kontrol tersebut dalam bentuk arus 4 0 ma. Sensor tekanan kemudan mendeteks tekanan yang terukur dan mengrm sebaga umpan balk dalam bentuk arus. Snyal keluaran tersebut kemudan dubah menjad tegangan 0.4 V pada process nterface. Snyal tersebut kemudan masuk ke ADAM 000L/TCP dan dubah menjad 0 V melalu fungs scalng yang datur pada perangkat lunak antarmukanya. Set Pont x(t) e(t) Kontroler u(t) + - FNN Gambar. Konfguras Fsk SPB. Snyal keluaran yang telah d-scalng tersebut kemudan dkrm melalu jarngan Ethernet dalam bentuk paket-paket data dan pada akhrnya dolah pada LabVIEW. B. Identfkas Sstem Orde dengan Delay Pemodelan matemats hasl dentfkas sstem pada jarngan yang memlk delay dlakukan dengan pendekatan sstem orde dengan delay. Respon sstem orde dengan delay tersebut dtunjukkan pada Gambar 6. K 0.6 K y (t) 0 y(t τ sc ) Komputer dengan: LabVIEW OPC KEPServerEx ADAM 000TCP Utlty T d τ transen t a t s t r Jarngan Komunkas ADAM 000L/TCP u steady state u(t - τ ca ) y(t) e ss t s (±%) = τ t s (±%) = 4τ t s (±0.%) = τ t r (% - 9%) = τ ln 9 t (detk) Set Pont x(t) + - e(t) y(t τ sc ) Kontroler FNN Snyal Kontrol u(t) Gambar 4. Blok Dagram SPB. Jarngan Komunkas Data Acquston Module (DAM) u(t - τ ca ) Aktuator Sensor PLANT Output y(t) Konfguras fsk dar SPB dengan menggunakan kontroler FNN pada plant pressure process rg 8-74 dtunjukkan pada Gambar. Snyal kontrol dan keluaran plant yang dolah pada LabVIEW dkrm atau dambl dar data modul I/O melalu perangkat lunak antarmuka ADAM 000L/TCP. Komunkas antara kedua perangkat lunak tersebut dlakukan melalu OPC KEPServerEx sebaga jembatannya. Oleh karena tu, perlu dlakukan pengalamatan agar data tersebut dapat dgunakan secara nteroperabltas. Gambar 6 Respon Sstem Orde dengan dengan delay untuk Snyal Uj Step. Persamaan matemats untuk sstem pada Gambar 6 dtunjukkan pada persamaan (). Y X T s Ke d s s s Dar persamaan () dapat dlhat bahwa terdapat tga parameter yang harus dtentukan, yatu gan (K), konstanta waktu (τ), dan waktu delay (T d ). Nla K, τ, dan T d dapat dtentukan sesua pada persamaan (), (4), dan () Y X SS () SS K () y t a y Td 0. 6 Yss (4) ta T d ()
4 Persamaan (! Reference source not found.) menunjukkan nla τ merupakan selsh dar t a dengan T d yang merupakan delay dar jarngan. Hasl dentfkas sstem melalu jarngan menghaslkan respon sstem sepert pada Gambar 7. Dar Gambar 7 dperoleh persamaan model matemats dar plant yang mengacu pada persamaan (), sebaga berkut: H s 0.6s e 0.68s Persamaan matemats dar plant tersebut memlk nla RMSE sebesar ps. Tekanan (ps) 6 4 Respon Hasl Identfkas Plant (Jarngan) Set Pont Respon Plant Respon Hasl Pemodelan Waktu (detk) Gambar 7 Respon Sstem Hasl Identfkas Plant Pressure Process Rg 8-74 Melalu Jarngan. C. Perancangan Kontroler FNN Setelah melakukan dentfkas terhadap plant yang akan dgunakan pada SPB, maka tahap selanjutnya adalah merancang kontroler. Pada peneltan Tugas Akhr n dlakukan perancangan kontroler FNN untuk dmplementaskan pada SPB. Mengacu pada topolog dar model FNN pada Gambar, dapat drancang struktur dar algortma kontroler FNN sepert pada Gambar 9. Lapsan Node Defuzzfkas (Terdr dar node keluaran: Up, V) Lapsan 4 Node akumulas aturan fuzzy. Melaksanakan Operas OR (Max) (Terdr dar nodes) Lapsan Node kombnas Aturan Fuzzy. Melaksanakan Operas AND (Product) (Jumlah Aturan FNN x = ) Lapsan Node Fuzzfkas (Setap masukan memlk Nla Lngustk) Lapsan Node Masukan (Terdr dar node) Gambar 8. Struktur Algortma Kontroler FNN. 4 I Up Kontroler FNN merupakan hbrda dar konsep fuzzy dan neural network. Sehngga, struktur dar algortma FNN dapat drepresentaskan sepert struktur dar neural network dmana setap node pada masng-masng lapsan V I Forward Propagaton FNN (6) Back Propgataon FNN melaksanakan fungs layaknya sebuah sstem fuzzy. Struktur kontroler FNN pada Gambar 8 drancang dengan memlk dua varabel lngustk masukan dengan masng-masng memlk lma nla lngustk. Sehngga, terdapat kombnas aturan pada sstem nferens aturan fuzzy-nya. Sstem FNN tersebut memlk dua varabel keluaran dengan masng-masng memlk lma nla lngustk. Blok dagram dar sstem pengaturan dengan kontroler FNN dtunjukkan pada Gambar 9. Terlhat error dan delta error dgunakan sebaga masukan dar kontroler FNN tersebut. Set Pont x(t) Gambar 9. Blok Dagram Kontroler FNN. Persamaan snyal kontrol yang dkeluarkan dar kontroler FNN dbangun berdasarkan struktur keluaran kontroler fuzzy PID. Kontroler fuzzy PID merupakan gabungan dar sstem fuzzy PD dengan fuzzy PI. Struktur blok dagram dar fuzzy PID yang dgunakan pada kontroler FNN dtunjukkan pada Gambar 0. e(t) Gambar 0. Struktur Snyal Kontrol dar Kontroler FNN. Terdapat dua buah sstem fuzzy, yatu sstem fuzzy PD dan sstem fuzzy PI, dmana masng-masng memlk masukan error dan delta error. Kedua sstem fuzzy tersebut memberkan keluaran, yatu u p (t) dan v (t). Persamaan untuk u p (t) dan u (t) tersebut dnyatakan pada persamaan berkut: t t u p u p (7) u t u t K v t (8) Sehngga, snyal kontrol u(t) dar kontroler FNN adalah u + - d dt d dt t u t u t p e(t) Sstem Fuzzy Sstem Fuzzy Parameter Adjustment Kontroler FNN up(t) v(t) (9) Penggunaan struktur snyal kontrol tersebut sesua dengan representas dar struktur algortma kontroler FNN pada Gambar 8, dmana FNN memlk dua buah keluaran yang bertndak sebaga u p (t) dan v (t). Algortma FNN terdr dar dua tahap, yatu forward propagaton dan back propagaton. () Forward Propagaton K Fuzzy PD Fuzzy PI Control Sgnal u(t) Sebelum membahas perancangan dar kontroler FNN u(t) + + Z - PLANT u(t) + + Output y(t) 4
5 lapsan per lapsan secara detl, dperkenalkan smbol-smbol yang akan dgunakan dalam membangun kontroler algortma kontroler tersebut. net,l O,L c,l, σ,l W j : nla masukan dar node ke- pada lapsan L. : nla keluaran dar node ke- pada lapsan L. : nla center dan wdth dar membershp functon model bellshaped. : bobot dar lnk yang menghubungkan Perancangan detl dar fungs masng-masng lapsan pada struktur algortma FNN dbahas sebaga berkut: Lapsan : Lapsan n terdr dar dua buah node yang masng-masngnya mengrm snyal masukan secara langsung ke node yang terhubung pada lapsan berkutnya. Node pertama meneruskan snyal error dan node kedua meneruskan snyal delta error sebaga varabel lngustk dan. Persamaan untuk tap node adalah sebaga berkut: O, I,, I O (0) Bobot dar lnk pada lapsan n adalah. Lapsan : Lapsan n terdr dar sepuluh node. Setap node pada lapsan n melakukan perhtungan membershp functon nla-nla lngustk dar setap varabel lngustknya. Lma node pertama melaksanakan perhtungan untuk nla-nla lngustk dar varabel lngustk pertama. Sedangkan, lma node terakhr melakukan perhtungan nlanla lngustk untuk varabel lngustk kedua. Lapsan n melaksanakan proses fuzzfkas. Bentuk membershp functon yang dgunakan adalah fungs bellshaped. Persamaan masukan dan keluaran setap node pada lapsan n dengan menggunakan fungs bell-shaped tersebut adalah sebaga berkut: O, untuk,,,4, net, () O, untuk 6,7,8,9,0 IF x s O m, AND x s O n, THEN y s O, Lapsan 4 : Setap node pada lapsan 4 melaksanakan operas OR dar fuzzy untuk mengakumulas aturan-aturan yang memlk nla lngustk dar varabel keluaran yang sama. Fungs operas setap node pada lapsan n dnyatakan sebaga berkut: n et w O (4),4 j j j, O, m,4 mn(, net, m, 4) () Dengan =,,, dan m =,. Persamaan tersebut sedkt berbeda dengan adanya ndeks m. Indeks tersebut muncul karena pada rancangan FNN Tugas Akhr n terdapat dua buah keluaran, yatu u p dan v, yang masng-masng memlk lma nla lngustk. Bobot lnk w j pada lapsan n mengekspreskan hubungan dar aturan ke-j dengan nla lngustk keluaran ke-. nla bobot tersebut hanya terdr dar dua nla, yatu 0 dan. Bobot tersebut bernla apabla node ke-j pada lapsan memlk hubungan dengan node ke-. Sama halnya dengan varabel lngustk masukan dengan lma nla lngustk, varabel lngustk keluaran juga memlk lma nla lngustk, yatu NB, NS, Z, PS, PB. TABEL I menyajkan desan dar Rule Base yang dgunakan kontroler FNN. Terlhat kedua varabel keluaran memlk krtera yang sama. Akan tetap, keduanya memlk nla numerk yang berbeda. TABEL I DESAIN RULE BASE DARI FNN UNTUK KELUARAN U P DAN V I NILAI LINGUISTIK UNTUK UP NILAI LINGUISTIK UNTUK VI NB NS Z PS PB NB NS Z PS PB NB NB NB NS NS Z DELTA ERROR NB NB NB NS NS Z NS NB NS NS Z PS NS NB NS NS Z PS Z NS NS Z PS PS Z NS NS Z PS PS PS NS Z PS PS PB PS NS Z PS PS PB PB Z PS PS PB PB PB Z PS PS PB PB net, c O, exp,, untuk =,,, 0 () Lapsan : Lapsan n memlk node yang merupakan kombnas aturan-aturan varabel-varabel lngustk masukannya. Kontroler FNN drancang memlk dua buah masukan (error, delta error) sehngga untuk setap node pada lapsan n akan memlk dua buah masukan yang berasal dar lapsan sebelumnya. Setap node akan melaksanakan operas AND terhadap kedua masukan tersebut. Dar beberapa fungs operas AND yang terserda, perancangan kontroler FNN n menggunakan fungs operas algebrac product. Persamaan untuk fungs operas tersebut dnyatakan sebaga berkut: O O O, untuk m = n =,,, 4, (), m, n, Keseluruhan kombnas aturan tersebut dapat dsajkan dalam bentuk aturan lngustk sebaga berkut: ERROR ERROR Lapsan : Tahap perhtungan pada lapsan n merupakan proses terakhr pada tahap forward propagaton FNN. Lapsan memlk jumlah node sebanyak dmana masngmasng node tersebut terhubung ke lma node pada lapsan sebelumnya. Setap node melaksanakan operas defuzzfkas sehngga dperoleh nla keluaran pada hmpunan crsp. Membershp functon keluaran yang dgunakan pada proses defuzzfkas tersebut adalah sngleton. Persamaan untuk keluaran node pada lapsan adalah sebaga berkut: s j, m j m, j O j, m,4 j, m,4 O untuk m =,. (6) O Dengan demkan, bobot lnk ke- pada lapsan n adalah s. Dmana, u p t O, dan t O, v (7)
6 Persamaan tersebut merupakan hasl dar tahap forward propagaton dar FNN. Dar keluaran snyal kontrol tersebut akan mengeluarkan respon dar sstem. Proses tersebut terjad terus menerus setap teras. () Back Propagaton Proses adaptas parameter-parameter dar setap lapsan tersebut dlakukan secara mundur dmula dar lapsan palng akhr menuju lapsan pertama. Lapsan : Pada tahap n dlakukan perbakan bobot dar lnk lapsan. Persamaan adaptas parameter yang dgunakan tersebut sesua persamaan (! Reference source not found.). O, j,4 s, j, (8) O Dengan j =,. t s, j,t st t O t, j,4 Lapsan 4 : Tdak ada parameter yang perlu dlakukan adaptas pada lapsan n. Hanya dlakukan perhtungan error, yatu sebaga berkut:,4 s, j,o, j,4 s, T t O t O, j,4 j,o, j,4 (9) Dengan j =,. Lapsan : Tdak ada parameter yang perlu dlakukan adaptas pada lapsan n. Hanya dlakukan perhtungan error dengan persamaan (9). (0),,4 Lapsan : Pada lapsan n perlu dlakukan adaptas parameter-parameter setap node-nya. Adaptas parameter center dan wdth dlakukan dengan persamaan berkut n: Berkut n persamaan untuk adaptas parameter center: c, exp net, c, net, c, t c, t c T t O t (),, Sedangkan, berkut n persamaan untuk adaptas parameter wdth: net c, exp,,,, t, t T t O t,, net c () Lapsan : Tdak ada parameter yang perlu dlakukan adaptas pada lapsan n. Karena hanya berfungs sebaga penerus nla masukan. IV. ANALISIS DAN PEMBAHASAN Pengujan kontroler FNN untuk sstem pengaturan tekanan pada SPB dlakukan dengan beberapa konds sstem. Knerja kontroler FNN danalss terhadap lma konds pengujan sstem, yatu perubahan set pont, pembebanan nomnal, pembebanan mnmal, pembebanan maksmal, serta varas delay terhadap setap pembebanan. A. Pengujan Sstem pada Jarngan dengan Varas Delay Terhadap Beban Mnmal. Pengujan beban mnmal dlakukan dengan menambahkan delay sebesar 0. detk pada SPB sehngga total delay yang dalam sstem sebesar 0.8 detk. Sstem tersebut menghaslkan respon sepert pada Gambar. Respon sstem mencapa 6.% dar keadaan steady pada τ =.0 detk. Respon sstem mengalam overshoot pada saat konds transen beban nomnalnya sebesar 9.98% pada t p =.4 detk. Dengan pemberan nla delay tersebut, terlhat pada Gambar tersebut respon mengalam delay sebesar 0.4 detk pada awal transen. Settlng tme sstem dcapa pada t s (±%) =.8 detk sedangkan rse tme drah selama t r (%-9%) = 0.6 detk. Nla settlng tme dan rse tme pada pemberan delay 0.8 detk lebh cepat dbandngkan pada pemberan delay yang lebh kecl akbat adanya skema ntegral pada struktur kontroler FNN. Semakn cepatnya t s dan t r mengakbatkan overshoot yang terjad semakn besar. Keadaan steady dcapa sstem pada t =. detk dengan e ss = ps atau sebesar 0.%. Tekanan (ps) Respon Sstem dengan Delay pada Jarngan (Beban Mnmal). Mp Set Pont Respon Sstem FNN Waktu (detk) Gambar. Respon Sstem dengan Kontroler FNN pada Jarngan dengan Delay 0.8 detk dan Beban Mnmal. Beban mnmal dberkan pada sstem pada saat t = 7 detk. Terlhat pada Gambar respon sstem mengalam oslas yang cukup besar dan lama ketka berusaha mengkut set pont. Dengan perubahan parameter sstem tersebut, kontroler FNN mula melakukan adaptas parameterparameternya. Pada t = 7.6 detk, sstem kembal ke keadaan steady dengan nla mnmal overshoot (%M p ) sebesar 60.%. Sstem membutuhkan waktu 0.6 detk untuk kembal ke keadaan steady ketka beban mnmal dberkan. Hal tu berart dbutuhkan 06 data teras untuk melakukan adaptas sehngga sstem dapat menghlangkan oslas. Perubahan parameter kontroler FNN pada saat beban mnmal dberkan dtunjukkan pada TABEL II. TABEL II ADAPTASI PARAMETER KONTROLER FNN TERHADAP BEBAN MINIMAL DAN DELAY 0.8 DETIK. Beban Mnmal Dberkan pada Sstem center wdth
7 Delta center wdth Center dar fuzzy sngleton Sngleton U p Sngleton V Beban Mnmal Dhlangkan dar Sstem center wdth Delta center wdth Center dar fuzzy sngleton Sngleton U p Sngleton V Pada saat t = 9.07 detk, beban mnmal tersebut dhlangkan. Sehngga, sstem mengalam perubahan parameter kembal. Sstem memlk nla mmmal overshoot sebesar 6.% dan kembal ke keadaan steady dengan pada saat t =. detk. Pengujan dengan pemberan delay total sebesar 0.8 detk pada SPB terbukt mash dapat datas kontroler FNN. Akan tetap, dbutuhkan waktu yang lebh lama untuk beradaptas menyesuakan perubahan parameter yang terjad pada sstem dengan pembebanan mnmal dan delay yang cukup besar. Waktu yang dbutuhkan untuk mencapa keadaan steady sebandng dengan penambahan nla delay pada SPB tersebut. B. Pengujan Sstem pada Jarngan dengan Varas Delay Terhadap Beban Maksmal. Pengujan beban maksmal dlakukan dengan menambahkan delay sebesar 0. detk sehngga total delay dar sstem adalah sebesar 0.8 detk. Sstem tersebut menghaslkan respon sepert pada Gambar. Respon sstem mencapa 6.% dar keadaan steady pada τ =. detk. Respon sstem mengalam maksmal overshoot pada saat konds transen beban nomnalnya sebesar 4.6% pada t p =.66 detk. Dengan pemberan nla delay tersebut, terlhat pada Gambar tersebut respon mengalam delay sebesar 0.67 detk pada awal transen. Settlng tme sstem dcapa pada t s (±%) =.8 detk sedangkan rse tme drah selama t r (%-9%) = 0.6 detk. Keadaan steady dcapa sstem pada t = 4. detk dengan e ss = ps atau sebesar 0.%. Beban maksmal dberkan pada sstem pada saat t = 8.8 detk. Terlhat pada Gambar respon sstem mengalam oslas ketka berusaha mengkut set pont. Dengan perubahan parameter sstem tersebut, kontroler FNN mula melakukan adaptas parameter-parameternya. Tekanan (ps) Respon Sstem dengan Delay pada Jarngan (Beban Maksmal) Dber Beban Set Pont Respon Sstem FNN Waktu (detk) Gambar. Respon Sstem dengan Kontroler FNN pada Jarngan dengan Delay 0.8 detk dan Beban Maksmal. Pada t = 6. detk, sstem kembal ke keadaan steady dengan nla maksmal overshoot (%M p ) sebesar.%. Sstem membutuhkan waktu 7.7 detk untuk kembal ke keadaan steady ketka beban mnmal dberkan. Perubahan parameter kontroler FNN pada saat beban mnmal dberkan dtunjukkan pada TABEL III. TABEL III Beban Dlepas ADAPTASI PARAMETER KONTROLER FNN TERHADAP BEBAN MAKSIMAL DAN DELAY 0.8 DETIK. Beban Maksmal Dberkan pada Sstem center wdth Delta center wdth Center dar fuzzy sngleton Sngleton U p Sngleton V Beban Maksmal Dhlangkan dar Sstem center wdth Delta center wdth Center dar fuzzy sngleton Sngleton U p Sngleton V Pada saat t = 0. detk, beban mnmal tersebut dhlangkan. Sehngga, sstem mengalam perubahan parameter kembal. Sstem memlk nla mnmal overshoot sebesar 9.64% dan kembal ke keadaan steady dengan pada saat t = 8. detk. Pada penambahan delay tersebut, kontroler FNN juga mash dapat mengatas terjadnya pembebanan maksmal pada sstem dengan melakukan adaptas parameter V. KESIMPULAN Berdasarkan hasl pengujan dan analss, dapat dperoleh beberapa kesmpulan. Pengaruh delay pada SPB dapat 7
8 dkompensas melalu penggunaan konroler FNN. Akan tetap, jka pengaruh delay lebh besar dan lebh cepat dar kecepatan adaptas FNN, respon sstem tdak dapat berada pada konds tetap. Untuk respon sstem dengan perubahan set pont dapat mengkut nla set pont tersebut dengan e ss = ± 0.% dan M p = ±.%. Sstem dengan beban nomnal dan delay konds normal SPB dapat mengkut nla set pont dengan e ss = ± 0.% dan %M p = ± 0%. Untuk pembebanan nomnal dengan varas delay dperoleh respon dapat mengkut nla set pont akan tetap memlk overshoot terbesar senla %M p = 6% pada delay 0.68 detk dan e ss = ± 0.%. Pada pembebanan mnmal dengan varas delay dperoleh respon sstem dapat mengkut set pont dalam waktu yang bervaras sebandng dengan dperbesarnya nla delay jarngan. Nla overshoot dan error keadaan steady terbesar dperoleh pada nla delay 0.4 detk sebesar %M p = ± 60.% dan e ss = ± 0.%. Pada pembebanan maksmal dengan varas delay dperoleh respon sstem dapat mengkut set pont dalam waktu yang bervaras pula. Nla overshoot dan error keadaan steady terbesar dperoleh pada nla delay 0.68 detk sebesar %M p = ± 4.% dan e ss = ± 0.%. [8], Pressure Control Traner Instructon Manual: 874, Vers Manual: 8 Seres, Ed04-000, Feedback Instrument Lmted, England, 00. Rende Ramadhan lahr d kota Tanjung Karang Lampung pada bulan Aprl Tahun 990. Ia menempuh penddkan sampa Sekolah Menengah Atas d dua provns berbeda, yatu Lampung dan Banten. Pencnta flm thrller dan acton n melanjutkan stud ke jenjang Strata- d perguruan tngg neger ternama d kota Surabaya pada tahun 008. D tahun kedua masa perkulahannya, Ia memlh bdang stud Sstem Pengaturan sebaga bdang keahlannya. Saat n, Ia berada pada semester ketujuh dan sedang mengerjakan peneltan Tugas Akhr. Peneltannya d bdang artfcal ntellgence. Pada akhr tahun ketga masa studnya, Ia melaksanakan kerja praktek d salah satu perusahaan kma yang ada d kota Clegon Banten, yatu PT. Asahmas Chemcal. Sebaga seorang mahasswa Teknk Elektro, Ia memlk mnat yang tngg d bdang robotka dan berhasl menduduk perngkat pertama pada kontes robot nasonal Java Robo Contest yang dlaksanakan pada tahun 00. Selan berkecmpung d bdang robotka, Ia juga mula bergelut d duna lngkungan dengan mengkut kompets novas teknolog lngkungan. Dengan ketertarkan barunya tersebut, Ia berhasl mengkut program musm panas Study of Unted States Insttute (SUSI) pada tahun 0. DAFTAR PUSTAKA [] Hespanha, J. P., Naghshtabrz, P. dan Xu Y., A Survey of Recent Result n Networked Control Systems, Proc. of The IEEE, Vol. 9, No., pp. 8-6, Januar, 007. [] Zhang, W., Brancky, M. S. dan Phllps. S. M., Stablty of Networked Control Systems, IEEE Control Systems Magazne, pp , Februar, 00. [] Tan, X., Wang, X. dan Cheng, Y., A Self-tunng Fuzzy Controller for Networked Control System, Internatonal Journal of Computer Scence and Network Securty, Vol. 7, No., Januar, 007. [4] [4] Farag, W. A., Quntana, V. H. dan Torres, G. L., A Genetc-Based Neuro-Fuzzy Approach for Modelng and Control of Dynamcal Systems, IEEE Transacton on Neural Network, Vol. 9, No., pp , September, 998. [] Tpsuwanporn, V., Intajag, S., Wtheephanch K., Koetsam-ang, N. dan Samamag, S., Neuro-Fuzzy Controller Desgn for Industral Process Controls, SICE Annual Conference, pp , Agustus, 004. [6] Sharmla, B. dan Devarajan, N., Neuro-Fuzzy Controller for Networked DC Motor Control, European Journal of Scentfc Research, Vol. 6, No., pp. 9-8, 0 [7] Chou, C. H. dan Lu, H. C., A heurstc self-tunng fuzzy controller, Elsever Scence on Fuzzy Set and System, No. 6, pp , North-Holland, 994. [8] Zengq, S. dan Zhdong, D., A Fuzzy Neural Network and Its Applcaton To Controls, Elsever Scence on Artfcal Intellgence n Engneerng, No. 0, pp. -, 996. [9] Chao, C. T. dan Teng, C. C., Implementaton of A Fuzzy Inference System Usng A Normalzed Fuzzy Neural Network, Elsever Scence on Fuzzy Set, No. 7, pp. 7-, 99. [0] Lee, C. H. dan Teng, C. C., Fne Tunng of Membershp Functons for Fuzzy Neural Systems, Asan Journal of Control, Vol., No., pp. 6-, September 00. [] Jang, J. S. R., Sun, C. T. dan Mzutan, E., Neuro-Fuzzy and Soft Computng: A Computatonal Approach to Learnng and Machne Intellgence, Prentce-Hall, Inc., USA, 997. [] Yan, J., Ryan, M. dan Power, J., Usng Fuzzy Logc, Prentce Hall Internatonal (UK), Cambrdge: Great Brtan, 994. [] Passno, K. dan Yurkovch, S., Fuzzy Logc, Addson-Wesley Longman, Calforna, 998. [4] Haykn, S., Neural Network: A Comprehensve Foundaton, Pearson Prentce Hall, Inda, 00. [] Zadeh, L. Fuzzy Sets, Informaton and Control, pp. 8-, Calforna, 96. [6] Reznk, L., Fuzzy Controllers, Bddles Ltd, Great Brtan, 997. [7] Ross, T. J., Fuzzy Logc wth Engneerng Applcaton, TJ Internatonal Padstow Cornwall, Great Brtan,
Pengaturan Proses Tekanan pada Sistem Pengaturan Berjaringan Menggunakan Kontroler Fuzzy Neural Network
TUGAS AKHIR TE - 091399 Pengaturan Proses Tekanan pada Sstem Pengaturan Berjarngan Menggunakan Kontroler Fuzzy Neural Network Rende Ramadhan NRP 2208100131 Dosen Pembmbng : Ir. Al Faton, M.T. Imam Arfn,
Lebih terperinci2 TINJAUAN PUSTAKA. sistem statis dan sistem fuzzy. Penelitian sejenis juga dilakukan oleh Aziz (1996).
2 TINJAUAN PUSTAKA 2.1 Stud Yang Terkat Peneltan n mengacu pada jurnal yang dtuls oleh Khang, dkk.(1995). Dalam peneltannya, Khang, dkk membandngkan arus lalu lntas yang datur menggunakan sstem stats dan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan
Lebih terperinciPENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinciDidownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah
Lebih terperinciBAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciBAB IV PENGUJIAN DAN ANALISA
BAB IV PENGUJIAN DAN ANALISA 4. PENGUJIAN PENGUKURAN KECEPATAN PUTAR BERBASIS REAL TIME LINUX Dalam membuktkan kelayakan dan kehandalan pengukuran kecepatan putar berbass RTLnux n, dlakukan pengujan dalam
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciPerbaikan Unjuk Kerja Sistem Orde Satu PERBAIKAN UNJUK KERJA SISTEM ORDE SATU DENGAN ALAT KENDALI INTEGRAL MENGGUNAKAN JARINGAN SIMULATOR MATLAB
Perbakan Unjuk Kerja Sstem Orde Satu PERBAIKAN UNJUK KERJA SISTEM ORDE SATU DENGAN ALAT KENDALI INTEGRAL MENGGUNAKAN JARINGAN SIMULATOR MATLAB Endryansyah Penddkan Teknk Elektro, Jurusan Teknk Elektro,
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana
Lebih terperinciBAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER
BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen
3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciIV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
Lebih terperinciAdaptive Fuzzy Untuk Menala Parameter PID pada Sistem Pengaturan Berjaringan. Nastiti Puspitosari L/O/G/O NETWORKED CONTROL SYSTEM (NCS)
L/O/G/O NETWORKED CONTROL SYSTEM (NCS) Adaptive Fuzzy Untuk Menala Parameter PID pada Sistem Pengaturan Berjaringan Nastiti Puspitosari 2208100039 BIDANG STUDI TEKNIK SISTEM PENGATURAN - ITS TOPIK PEMBAHASAN
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and
III. METODE PENELITIAN A. Desan Peneltan Peneltan n merupakan peneltan pengembangan (Research and Development). Peneltan pengembangan yang dlakukan adalah untuk mengembangkan penuntun praktkum menjad LKS
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinciPEMILIHAN VARIABEL YANG RELEVAN PADA ATURAN FUZZY MENGGUNAKAN JARINGAN SYARAF
PEMILIHAN VARIABEL YANG RELEVAN PADA ATURAN FUZZY MENGGUNAKAN JARINGAN YARAF r Kusumadew Jurusan Teknk Informatka, Fakultas Teknolog Industr Unverstas Islam Indonesa Yogyakarya emal: cce@ft.u.ac.d Abstrak
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kendaraan bermotor merupakan alat yang palng dbutuhkan sebaga meda transportas. Kendaraan dbag menjad dua macam, yatu kendaraan umum dan prbad. Kendaraan umum
Lebih terperinciPENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING
Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas
Lebih terperinciP n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman
OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran
Lebih terperinciBAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinciDesain Kontroler PID-Genetic Algorithm untuk Sistem Pengaturan Level Air Steam Drum pada Pembangkit Listrik Tenaga Uap (PLTU)
JURNAL TEKNIK ITS Vol. 6, No. 1, (2017) ISSN: 2337-3539 (2301-9271 Prnt) A-153 Desan Kontroler PID-Genetc Algorthm untuk Sstem Pengaturan Level Ar Steam Drum pada Pembangkt Lstrk Tenaga Uap (PLTU) Mohamad
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi
Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5
Lebih terperinciBAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah
BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu
Lebih terperinciSEARAH (DC) Rangkaian Arus Searah (DC) 7
ANGKAAN AUS SEAAH (DC). Arus Searah (DC) Pada rangkaan DC hanya melbatkan arus dan tegangan searah, yatu arus dan tegangan yang tdak berubah terhadap waktu. Elemen pada rangkaan DC melput: ) batera ) hambatan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciHybrid intelligent system adalah kombinasi lebih dari dua teknologi cerdas.
Teny Handhayan Pendahuluan Hybrd ntellgent system adalah kombnas lebh dar dua teknolog cerdas. Contohnya kombnas Neural Network dengan Fuzzy membentuk Neuro-fuzzy system Perbandngan Expert Systems, Fuzzy
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciBAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB
BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada
Lebih terperinciBAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE
BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang
Lebih terperinciIII. METODE PENELITIAN
III. METODE PEELITIA 3.1. Kerangka Pemkran Peneltan BRI Unt Cbnong dan Unt Warung Jambu Uraan Pekerjaan Karyawan Subyek Analss Konds SDM Aktual (KKP) Konds SDM Harapan (KKJ) Kuesoner KKP Kuesoner KKJ la
Lebih terperinciBAB III METODE PENELITIAN. pembelajaran berupa RPP dan LKS dengan pendekatan berbasis masalah ini
BAB III METODE PENELITIAN A. Desan Peneltan Metode peneltan yang dgunakan dalam pengembangan perangkat pembelajaran berupa RPP dan LKS dengan pendekatan berbass masalah n adalah metode pengembangan atau
Lebih terperinciMETODE KORELASI BARU PADA PENYETELAN PENGENDALI PID DENGAN PENDEKATAN MODEL EMPIRIK FOPDT
ISSN 4-989 METODE KORELASI BARU PADA PENYETELAN PENGENDALI PID DENGAN PENDEKATAN MODEL EMPIRIK FOPDT Abdul Wahd dan Rudy Gunawan 2 Laboratorum Sstem Proses Kma Departemen Teknk Gas dan Petrokma Progam
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciBAB III METODE PENELITIAN. menghasilkan Lembar Kegiatan Siswa (LKS) pada materi Geometri dengan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan pengembangan yang bertujuan untuk menghaslkan Lembar Kegatan Sswa (LKS) pada mater Geometr dengan pendekatan pembelajaran berbass
Lebih terperinciLOGO ADAPTIVE PREDICTIVE CONTROL BERBASIS ANFIS-PI UNTUK PENGENDALIAN TEMPERATUR HEAT EXCHANGER TESIS RE2099. Ruslim
LOGO PROGRAM MAGISTER BIDANG KEAHLIAN TEKNIK SISTEM PENGATURAN JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA TESIS RE099 ADAPTIVE PREDICTIVE CONTROL BERBASIS
Lebih terperinciPengukuran Laju Temperatur Pemanas Listrik Berbasis Lm-35 Dan Sistem Akuisisi Data Adc-0804
Pengukuran Laju Temperatur Pemanas Lstrk Berbass Lm-35 Dan Sstem Akuss Data Adc-0804 Ummu Kalsum Unverstas Sulawes Barat e-mal: Ummu.kalsum@unsulbar.ac.d Abstrak Peneltan n merupakan pengukuran laju temperatur
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tnjauan Pustaka Dar peneltan yang dlakukan Her Sulstyo (2010) telah dbuat suatu sstem perangkat lunak untuk mendukung dalam pengamblan keputusan menggunakan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciTinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal
157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciBAB IV PERHITUNGAN DAN ANALISIS
BAB IV PERHITUNGAN DAN ANALISIS 4.1 Survey Parameter Survey parameter n dlakukan dengan mengubah satu jens parameter dengan membuat parameter lannya tetap. Pengamatan terhadap berbaga nla untuk satu parameter
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan
Lebih terperinciBAB II TEORI ALIRAN DAYA
BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga
Lebih terperinciMETODE PENELITIAN. dalam penelitian ini adalah siswa kelas XI IPA 2 Tahun Pelajaran
III. METODE PENELITIAN A. Settng Peneltan Peneltan n menggunakan data kuanttatf dengan jens Peneltan Tndakan Kelas (PTK). Peneltan n dlaksanakan d SMAN 1 Bandar Lampung yang beralamat d jalan Jend. Sudrman
Lebih terperinciBAB I PENDAHULUAN. Semakin tinggi penerimaan Pajak di Indonesia, semakin tinggi pula kualitas
BAB I PENDAHULUAN A. LATAR BELAKANG Pajak merupakan sumber penermaan terpentng d Indonesa. Oleh karena tu Pemerntah selalu mengupayakan bagamana cara menngkatkan penermaan Pajak. Semakn tngg penermaan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan quas expermental dengan one group pretest posttest desgn. Peneltan n tdak menggunakan kelas pembandng namun sudah menggunakan
Lebih terperinciBAB III METODE PENELITIAN. problems. Cresswell (2012: 533) beranggapan bahwa dengan
BAB III METODE PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan kombnas atau mxed methods. Cresswell (2012: 533) A mxed methods research desgn s a procedure for collectng, analyzng and mxng
Lebih terperinciBAB 2 KAJIAN PUSTAKA
BAB 2 KAJIAN PUSTAKA 2.1 Negosas Negosas dapat dkategorkan dengan banyak cara, yatu berdasarkan sesuatu yang dnegosaskan, karakter dar orang yang melakukan negosas, protokol negosas, karakterstk dar nformas,
Lebih terperinciBAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis
BAB 4 METODOLOGI PENELITIAN Pada bab n akan durakan kerangka pemkran hpotess, teknk pengumpulan data, dan teknk analss data. Kerangka pemkran hpotess membahas hpotess pengujan pada peneltan, teknk pengumpulan
Lebih terperinciBEBERAPA SIFAT TERKAIT SUBMODUL SEMIPRIMA
BEBERAPA SIFAT TERKAIT SUBMODUL SEMIPRIMA A-3 Dan Aresta Yuwanngsh 1 1 Mahasswa S Matematka UGM dan.aresta17@yahoo.com Abstrak Dberkan R merupakan rng dengan elemen satuan, M R-modul kanan, dan R S End
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang akan digunakan dalam penelitian ini adalah
BAB III METODE PENELITIAN A. Jens Peneltan Jens peneltan yang akan dgunakan dalam peneltan n adalah peneltan pengembangan (Research and Development). Peneltan Research and Development (R&D) n merupakan
Lebih terperinciIII PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan
Pada bab n akan dbahas mengena penyelesaan masalah ops real menggunakan pohon keputusan bnomal. Dalam menentukan penlaan proyek, dapat dgunakan beberapa metode d antaranya dscounted cash flow (DF). DF
Lebih terperinciImplementasi Hybrid Fuzzy PID pada Pengaturan Kecepatan Motor Induksi Tiga Fasa dengan Beban Rem Magnetik
Implementas Hybrd Fuzzy pada Pengaturan ecepatan Motor Induks Tga Fasa dengan Beban Rem Magnetk Josaphat Pramudjanto 1, Joko Susla 2, Asep Suryana 3 Jurusan Teknk Elektro Insttut Teknolog Sepuluh Nopember
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP
Lebih terperinciIII. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.
3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi
3 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SD Al-Azhar Wayhalm Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas V yang terdr dar 5 kelas yatu V A, V B, V
Lebih terperinciPENGURUTAN DATA. A. Tujuan
PENGURUTAN DATA A. Tuuan Pembahasan dalam bab n adalah mengena pengurutan data pada sekumpulan data. Terdapat beberapa metode untuk melakukan pengurutan data yang secara detl akan dbahas ddalam bab n.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciBAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan yang dgunakan adalah peneltan pengembangan yang bertujuan membuat suatu produk dan duj kelayakannya. B. Metode Pengembangan Peneltan n menggunakan
Lebih terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciBab III Analisis dan Rancangan Sistem Kompresi Kalimat
Bab III Analss dan Rancangan Sstem Kompres Kalmat Bab n bers penjelasan dan analss terhadap sstem kompres kalmat yang dkembangkan d dalam tess n. Peneltan n menggunakan pendekatan statstcal translaton
Lebih terperinciPENGATURAN KECEPATAN MOTOR DALAM MEMPERTAHANKAN BATAS TEPI BADAN ROBOT LINE FOLLOWER
PENGATURAN KECEPATAN MOTOR DALAM MEMPERTAHANKAN BATAS TEPI BADAN ROBOT LINE FOLLOWER TERHADAP LINE MENGGUNAKAN FUZZY LOGIC CONTROLER Imam Fauz 1, Ir. Ern Y, MT., Dr. 2, Ir. Puranto, MT. 3 1 Mahassa Teknk
Lebih terperinciPENGENALAN HURUF BRAILLE BERBASIS JARINGAN SYARAF TIRUAN METODA HEBBRULE
1 PENGENALAN HURUF BRAILLE BERBASIS JARINGAN SARAF TIRUAN METODA HEBBRULE un Ennggar 1, Wahyul Amen Syafe, ST, MT 2, Bud Setyono,ST,MT 2 Jurusan Teknk Elektro, Fakultas Teknk Unverstas, Dponegoro Jl. Prof.
Lebih terperinciRANGKAIAN SERI. 1. Pendahuluan
. Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor
Lebih terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB
SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB Putr Har Ikhtarn ), Bety Nurltasar 2), Hafdz Alda
Lebih terperinciMETODE PENELITIAN. Penentuan lokasi dilakukan secara tertuju (purposive) karena sungai ini termasuk
IV. METODE PENELITIAN 4.1. Tempat dan Waktu Peneltan Peneltan n dlakukan d Sunga Sak, Kota Pekanbaru, Provns Rau. Penentuan lokas dlakukan secara tertuju (purposve) karena sunga n termasuk dalam 13 sunga
Lebih terperinciSISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS
SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS A8 M. Andy Rudhto 1 1 Program Stud Penddkan Matematka FKIP Unverstas Sanata Dharma Kampus III USD Pangan Maguwoharjo Yogyakarta 1 e-mal: arudhto@yahoo.co.d
Lebih terperinciBAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif
BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciDesainKontrolFuzzy BerbasisPerformansiH dengan Batasan Input-Output untuk Sistem Pendulum-Kereta
ugasakhr E 91399 DesanKontrolFuzzy BerbassPerformansH dengan Batasan Input-Output untuk Sstem Pendulum-Kereta to Febraranto (8116) Dosen Pembmbng: Prof. Dr. Ir. Achmad Jazde, M.Eng. Jurusan eknk Elektro
Lebih terperinciBAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada
3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada
Lebih terperinciBAB III METODE PENELITIAN. Karangkajen, Madrasah Tsanawiyah Mu'allimaat Muhammadiyah Yogyakarta,
BAB III METODE PENELITIAN A. Tempat dan Waktu Peneltan Peneltan n dlakukan pada 6 (enam) MTs d Kota Yogyakarta, yang melput: Madrasah Tsanawyah Neger Yogyakarta II, Madrasah Tsanawyah Muhammadyah Gedongtengen,
Lebih terperinciBAB 4 METODOLOGI PENELITIAN DAN ANALISIS
28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan
Lebih terperinciPENJADWALAN PRODUKSI di PT MEUBEL JEPARA PROBOLINGGO
Prosdng Semnar Nasonal Manajemen Teknolog III Program Stud MMTITS, Surabaya 4 Pebruar 2006 PENJADWALAN PRODUKSI d PT MEUBEL JEPARA PROBOLINGGO Mohammad Khusnu Mlad, Bobby Oedy P. Soepangkat, Nurhad Sswanto
Lebih terperinciBAB I PENDAHULUAN. konsep strategi yang cocok untuk menghadapi persaingan baik itu mengikuti marketing
BAB I PENDAHULUAN 1.1 Latar Belakang Konds persangan dalam berbaga bdang ndustr saat n dapat dkatakan sudah sedemkan ketatnya. Persangan dalam merebut pasar, adanya novas produk, mencptakan kepuasan pelanggan
Lebih terperinciAnalisis Kecepatan Dan Percepatan Mekanisme Empat Batang (Four Bar Lingkage) Fungsi Sudut Crank
ISSN 907-0500 Analss Kecepatan Dan Percepatan Mekansme Empat Batang (Four Bar ngkage Fungs Sudut Crank Nazaruddn Fak. Teknk Unverstas Rau nazaruddn.unr@yahoo.com Abstrak Pada umumnya analss knematka dan
Lebih terperinciTeori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang
Modul 1 Teor Hmpunan PENDAHULUAN Prof SM Nababan, PhD Drs Warsto, MPd mpunan sebaga koleks (pengelompokan) dar objek-objek yang H dnyatakan dengan jelas, banyak dgunakan dan djumpa dberbaga bdang bukan
Lebih terperinciPERANCANGAN SISTEM PENGONTROLAN LEVEL PADA STEAM DRUM WASTE HEAT BOILER BERBASIS ADAPTIVE NETWORK FUZZY INFERENCE SYSTEM (ANFIS)
Yulat: PERANCANGAN SISTEM PENGONTROLAN LEVEL PADA STEAM DRUM WASTE HEAT... 145 PERANCANGAN SISTEM PENGONTROLAN LEVEL PADA STEAM DRUM WASTE HEAT BOILER BERBASIS ADAPTIVE NETWORK FUZZY INFERENCE SYSTEM (ANFIS)
Lebih terperinciPost test (Treatment) Y 1 X Y 2
BAB III METODOLOGI PENELITIAN A. Metode Peneltan Metode Peneltan adalah cara lmah untuk memaham suatu objek dalam suatu kegatan peneltan. Peneltan yang dlakukan n bertujuan untuk mengetahu penngkatan hasl
Lebih terperinciIII. METODE PENELITIAN. Metode dalam penelitian ini adalah metode eksperimen. Penggunaan metode eksperimen ini
III. METODE PENELITIAN A. Metode Peneltan Metode dalam peneltan n adalah metode ekspermen. Penggunaan metode ekspermen n bertujuan untuk mengetahu apakah suatu metode, prosedur, sstem, proses, alat, bahan
Lebih terperinciPengendalian Kecepatan Motor Induksi Melalui Inverter Altivar 18 Berdasarkan Kendali Fuzi Berbasis PLC
Sgt Budh Santoso dan Ars Rakhmad, Pengendalan Kecepatan Motor Induks Melalu Inverter Altvar 18 Pengendalan Kecepatan Motor Induks Melalu Inverter Altvar 18 Berdasarkan Kendal Fuz Berbass PLC Sgt Budh Santoso,
Lebih terperinciBAB II DASAR TEORI DAN METODE
BAB II DASAR TEORI DAN METODE 2.1 Teknk Pengukuran Teknolog yang dapat dgunakan untuk mengukur konsentras sedmen tersuspens yatu mekank (trap sampler, bottle sampler), optk (optcal beam transmssometer,
Lebih terperinciSistem Kriptografi Stream Cipher Berbasis Fungsi Chaos Circle Map Dengan Pertukaran Kunci Diffie-Hellman
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Sstem Krptograf Stream Cpher Berbass Fungs Chaos Crcle Map Dengan Pertukaran Kunc Dffe-Hellman A-6 Muh. Fajryanto 1,a), Aula Kahf 2,b), Vga Aprlana
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciPenerapan Metode Runge-Kutta Orde 4 dalam Analisis Rangkaian RLC
Penerapan Metode Runge-Kutta Orde 4 dalam Analss Rangkaan RLC Rka Favora Gusa JurusanTeknk Elektro,Fakultas Teknk,Unverstas Bangka Beltung rka_favora@yahoo.com ABSTRACT The exstence of nductor and capactor
Lebih terperinciBAB I PENDAHULUAN. suatu komputer digital [12]. Citra digital tersusun atas sejumlah elemen.
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Ctra dgtal merupakan ctra hasl dgtalsas yang dapat dolah pada suatu komputer dgtal [12]. Ctra dgtal tersusun atas sejumlah elemen. Elemen-elemen yang menyusun ctra
Lebih terperinci