Makalah Seminar Tugas Akhir
|
|
- Handoko Cahyadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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 the exact position and orientation in a technical system has an important role, especially in terms of control on a navigation system. One of the instruments used in navigation systems is the Inertial Measurement Unit (IMU). The IMU consists of a combination of the acceleration sensor (accelerometer) and the angular sensor (gyroscope) to trac the whereabouts and movement of an object. Accelerometer sensor is one that has undergone a lot of progress and applied to measure the slope, vibration, acceleration, and position. Accelerometer can also be applied to the measurement of earthquae activity and electronic equipment, such as 3-dimensional game, computer mouse, and telephone. For further applications, sensors are widely used for the purposes of navigate in relation to the position of objects. This final project perform design and manufacture of instrumentation accelerometer as one component of IMU to detect the position / distance with 3 degrees of freedom. Data obtained from the position of the double integral of the accelerometer output in the form of acceleration. Instrumentation system consists of an accelerometer sensor, signal conditioning, microcontroller ATmega 32 as the main processing unit, and computers that will process data input and display output data using Visual C#, while the g-select function is used to determine which mode to use the accelerometer to minimize error in the measurement. Keywords : Accelerometer, Microcontroller ATmega 32, Double Integral, Position. I PENDAHULUAN 1.1 Latar Belaang IMU (Inertial Measurement Unit) merupaan suatu unit dalam modul eletroni yang mengumpulan data ecepatan angular dan aselerasi linear yang emudian diirim e CPU (Central Processing Unit) untu mendapatan data eberadaan dan pergeraan suatu benda. IMU terdiri dari ombinasi accelerometer (sensor percepatan) dan gyroscope (sensor ecepatan angular). Accelerometer digunaan untu menguur percepatan suatu benda dan gyroscope digunaan untu menguur ecepatan rotasi dari suatu benda. Saat ini pengembangan sensor IMU untu mengolah data dengan menggunaan miroontroler telah banya dilauan. Untu memperoleh ualitas data masuan yang bai perlu digunaan filter digital untu mengurangi noise dari eluaran sensor. Aan tetapi, arena eterbatasan miroontroler 8 bit yang digunaan, maa perlu diperhatian algoritma filtering yang tepat dan tida memerluan watu pemrosesan yang terlalu lama agar dapat menghasilan data yang optimal. Filter esponensial dan filter Kalman merupaan pilihan yang sering digunaan untu proses digital filtering terutama pada ondisi dimana noise cuup dominan. Filter Kalman telah banya diapliasian untu predisi hasil perhitungan oordinat orientasi gera dinami dari sensor IMU, demiian pula dengan filter esponensial, sebab selain tida memerluan proses yang rumit juga lebih optimal bila dibandingan dengan filter digital yang lain, arena dalam filter esponensial hanya dengan mengubah parameter esponensial dapat digunaan untu filtering dalam berbagai respon. 1.2 Tujuan Tujuan dari penelitian tugas ahir ini adalah merancang dan membuat sistem instrumentasi accelerometer sebagai salah satu omponen IMU untu mendetesi posisi/jara dengan menggunaan miroontroler ATmega 32 yang emudian aan divisualisasian secara 3D dengan menggunaan visual C #. 1.3 Pembatasan Masalah Dalam pembuatan tugas ahir ini penulis membatasi permasalahan sebagai beriut : 1. Sensor accelerometer yang digunaan memilii 3 derajat ebebasan. 2. Pembuatan sistem instrumentasi untu menerapan sensor accelerometer sebagai pendetesi jara/posisi. 3. Dalam pengujian sistem pendetesi jara ini hanya digunaan untu arah sumbu negatif. 4. Pada pengujian dilauan 3 sumbu secara bersamaan.
2 5. Range percepatan yang digunaan sebesar 1,5 g sampai 6 g. 6. Sistem visualisasi 3D yang digunaan adalah omputer dengan bantuan bahasa pemrograman Visual C #. 7. Miroontroler yang digunaan adalah ATmega 32 dengan pemrograman Code Vision AVR menggunaan bahasa C. 8. ADC yang digunaan adalah ADC internal 8 bit miroontroler ATmega 32. II DASAR TEORI 2.1 Accelerometer MMA7260Q Accelerometer adalah alat yang digunaan untu menguur percepatan, mendetesi dan menguur getaran (vibrasi), dan menguur percepatan aibat gravitasi (inlinasi). Accelerometer dapat digunaan untu menguur getaran pada mobil, mesin, bangunan, dan instalasi pengamanan. Accelerometer juga dapat diapliasian pada penguuran ativitas gempa bumi dan peralatan-peralatan eletroni, seperti permainan 3 dimensi, mouse omputer, dan telepon. Untu apliasi yang lebih lanjut, sensor ini banya digunaan untu eperluan navigasi. Percepatan merupaan suatu eadaan berubahnya ecepatan terhadap watu. Bertambahnya suatu ecepatan dalam suatu rentang watu disebut percepatan (acceleration). Namun jia ecepatan semain berurang daripada ecepatan sebelumnya, disebut perlambatan (deceleration). Percepatan juga bergantung pada arah/orientasi arena merupaan penurunan ecepatan yang merupaan besaran vetor. Berubahnya arah pergeraan suatu benda aan menimbulan percepatan pula. Untu memperoleh data jara dari sensor accelerometer, diperluan proses integral ganda terhadap eluaran sensor. s = ( ( a) dt) dt.....(1) Proses penghitungan ini dipengaruhi oleh watu cupli data, sehingga jeda watu cupli data (dt) harus selalu onstan dan dibuat seecil mungin Secara sederhana, integral merupaan luas daerah di bawah suatu sinyal selama rentang watu tertentu. Untu lebih jelasnya dapat dilihat pada Gambar 1. Gambar 1 Proses integral terhadap suatu sinyal. b n f x) dx = lim n a i= 1 ( f ( x ) x. (2) b a x = (3) n Persamaan pengintegralan pada persamaan (2) masih memilii error yang cuup besar. Untu lebih mengoptimalan hasil pengintegralan maa dapat digunaan metode Runge-Kutta dengan pendeatan trapezoidal seperti pada persamaan (4). h x = x 1 + [ f ( x, t ) + f ( x 1, t 1 )]...(4) 2 Dari persamaan (4) dapat dietahui bahwa x hasil integral saat ini ( ) dipengaruhi oleh hasil x integral sebelumnya ( 1), masuan saat ini ( f ( x, t ) ), dan masuan sebelumnya, serta watu cupli antar data masuan (h). Percepatan yang diperoleh dari hasil penguuran accelerometer pada enyataannya buanlah data percepatan benda murni, melainan juga terdapat derau.. U = a + r + d.(5) Nilai a merupaan percepatan benda sesungguhnya, nilai r adalah random noise, dan d adalah drift noise. Pada tugas ahir ini digunaan sensor accelerometer MMA7260Q dengan tiga sumbu penguuran, yaitu terhadap sumbu x, sumbu y, dan sumbu z. Sensor accelerometer ini digunaan untu menguur percepatan benda dalam satuan gravitasi (g). Sensor ini dapat menguur percepatan dari 1,5 g sampai 6 g. Sensor accelerometer MMA7260Q dengan rangaian penduung yang terintegrasi dapat dilihat pada Gambar 2. i
3 Gambar 2 Brea out accelerometer MMA7260Q. Pada sensor accelerometer MMA7260Q ini memilii fasilitas g-select yang memunginan sensor beerja pada tingat sensitivitas yang berbeda-beda. Penguatan internal pada sensor aan berubah sesuai dengan tingat sensitivitas yang dipilih, yaitu 1,5 g, 2 g, 4 g, atau 6 g. Pemilihan tingat sensitivitas ini dilauan dengan memberian input logia pada pin g- select1 dan g-select2. Disripsi pemilihan tingat sensitivitas pada sensor accelerometer MMA7260Q dapat diamati pada Tabel 1. Tabel 1 Disripsi tingat sensitivitas accelerometer MMA7260Q. g-select1 g-select2 g-range Sensitivity 0 0 1,5 g 800 mv/g g 600 mv/g g 300 mv/g g 200 mv/g Sensor accelerometer MMA7260Q dapat digunaan untu menguur bai percepatan positif maupun percepatan negatif. Ketia sensor dalam eadaan diam, eluaran sensor pada sumbu x aan menghasilan tegangan offset yang besarnya setengah dari tegangan masuan sensor (V dd ). Tegangan offset accelerometer dipengaruhi oleh orientasi sensor dan percepatan statis tiap sumbu aibat gaya gravitasi bumi. Untu percepatan positif maa sinyal eluaran aan meningat di atas tegangan offset, sedangan untu percepatan negatif sinyal eluaran aan semain menurun di bawah tegangan offset. 2.2 Filter Digital Filter digital adalah semua filter eletroni yang beerja dengan menerapan operasi matematia digital atau algoritma pada suatu pemrosesan sinyal. Salah satu batasan utama pada filter digital adalah dalam hal eterbatasan ecepatan pemrosesan/watu omputasi yang sangat tergantung dengan emampuan miroontroler atau omputer yang digunaan Filter Esponensial Filter esponensial merupaan filter linier reursif sederhana. Filter esponensial secara umum digunaan dalam analisis awasan watu. Persamaan filter esponensial orde 2 dapat dilihat pada Persamaan (6). 2 y ( n) = (1 a)( xn + a. x( n 1) ) + a. y( n2) (6) Secara umum parameter a dapat ditentuan dengan persamaan (7). 1 a =...(7) f c (1 + 2π. ) f s Di sini f c adalah freuensi cut off dan f s adalah freuensi sampling Filter Kalman Filter Kalman merupaan salah satu solusi optimal dalam memfilter data dari sinyal pada suatu proses yang linier. Filter Kalman digunaan pada proses yang dapat dinyataan dalam bentu persamaan state linier seperti pada pada persamaan (8). x = A x + B u + w....(8) +1 Persamaan 8 dapat diobservasi dengan model penguuran yang memetaan state x e eluaran y seperti ditulisan pada persamaan (9). y = H x + v....(9) Noise proses (w) dan noise penguuran (v) merupaan noise yang saling bebas. Nilai estimasi state xˆ pada filter Kalman ditentuan dari estimasi posteriori xˆ serta selisih antara penguuran sebenarnya y dan estimasi penguuran Hˆ seperti pada persamaan (10). xˆ x = xˆ + K = xˆ + K ( y Hxˆ ) ( H x + v Hxˆ ) xˆ...(10) Selisih nilai antara penguuran sebenarnya y dan estimasi penguuran disebut sebagai residual atau penguuran innovation. Jia nilai residual adalah nol, maa hal itu menunjuan bahwa hasil estimasi sama dengan hasil penguuran. Nilai K adalah fator gain pada filter Kalman. Pada filter Kalman dipilih nilai K sehingga estimasi posteriori adalah optimal atau mempunyai error yang minimum. Nilai P minimum diperoleh jia nilai K dapat menyediaan estimasi yang mempunyai covariance minimum. Penyelesaian untu mendapatan P minimum ditunjuan pada persamaan (11). P I K H P (11) ( ) =
4 Nilai estimasi priori diberian pada persamaan (12) yang diperoleh dengan menghilangan noise w. x ˆ = A xˆ Bu...(12) Nilai covariance dari error diberian pada persamaan (13). T P +1 = A P A + Q..(13) III PERANCANGAN ALAT 3.1 Perancangan Perangat Keras Secara umum perancangan perangat eras dari sistem instrumentasi accelerometer meliputi perancangan sensor accelerometer MMA7260Q, pengondisi sinyal, unit masuan dan eluaran pada miroontroler ATmega 32. Secara umum perancangan perangat eras dapat dilihat pada Gambar 3. Gambar 4 Konfigurasi pin-pin accelerometer MMA7260Q. 3.2 Perancangan Perangat Luna Miroontroler Atmega32 digunaan untu membaca sinyal analog dari sensor accelerometer, emudian mengubahnya menjadi data digital 8 bit dan mengolahnya dengan algoritma yang telah ditentuan emudian mengiriman hasil ahir data e omputer. Secara umum diagram alir pemrograman pada sistem pendetesi jara dapat dilihat pada Gambar 5. Gambar 3 Diagram blo perancangan instrumentasi accelerometer. Penjelasan dari diagram blo sistem pada Gambar 3 dapat dijelasan sebagai beriut : 1. Sensor accelerometer MMA7260Q digunaan untu mengetahui besarnya percepatan suatu benda yang emudian aan diirim e miroontroller. 2. Miroontroler ATmega 32 digunaan untu menerima data dari sensor, mengubahnya menjadi data digital, memproses data secara digital, dan melauan omuniasi serial antara miroontroler dengan omputer. 3. Komputer digunaan untu menampilan data posisi dan tampilan berupa gambar 3 dimensi dengan menggunaan visual C#. Sensor accelerometer beroperasi pada tegangan 2,2 3,6 volt dengan tegangan tipial 3,3 volt (Vdd). Keluaran sensor accelerometer berupa tegangan analog yang merepresentasian data percepatan dalam satuan gravitasi (g). Sensor accelerometer MMA7260Q memilii tingat sensitivitas yang dapat dipilih yaitu 1,5 g/ 2 g/ 4 g/ 6 g. Tingat sensitivitas dapat dipilih dengan melauan pengesetan pada pin g-select1 dan g-select2. Konesi masuan dan eluaran pin-pin pada accelerometer MMA7260Q dapat dilihat pada Gambar 4. Gambar 5 Diagram alir pemrograman utama sistem pendetesi jara Perancangan Filter Digital A. Filter Esponensial Filter esponensial yang digunaan adalah filter esponensial orde 2. Pengujian dilauan dengan menentuan nilai parameter fator pengali (a), emudian mengamati sinyal eluaran yang optimal. Parameter a dapat dicari dengan persamaan (7). Setelah dilauan penghitungan didapatan nilai parameter a pada
5 sumbu x dan y adalah 0,83 dan a pada sumbu z adalah 0,92. B. Filter Kalman Filter Kalman yang diapliasian pada miroontroler ATmega 32 tida hanya menghilangan random noise tetapi filter ini juga menghitung nilai posisi dengan mengintegralan sebanya 2 ali sinyal masuan filter. Tampilan respon eluaran sensor accelerometer serta tampilan nilai besaran posisi dari etiga sumbu sensor diterapan pada omputer menggunaan bantuan perangat luna Microsoft Visual Studio Berdasaran hubungan antara proses, penguuran, dan filter Kalman, maa dapat dibuat diagram alir program seperti pada Gambar 6. K, xˆ, P xˆ, Pˆ A. Fator alibrasi sistem dengan filter esponensial Tabel 2 Fator alibrasi sumbu x negatif dengan filter esponensial. Rata Jara rata jara Fator No sebenarnya tercatat alibrasi 1 256, , , , , , , , , , Fator alibrasi rata-rata 0, Dari Tabel 2 diperoleh fator alibrasi rata-rata pada sumbu x sebesar 0, , dengan cara yang sama seperti penentuan fator alibrasi pada sumbu x, maa diperoleh fator alibrasi pada sumbu y sebesar 0, dan sumbu z sebesar 0, B. Fator alibrasi sistem dengan filter Kalman Tabel 3 Fator alibrasi sumbu x negatif dengan filter alman. Rata Jara rata jara Fator No sebenarnya tercatat alibrasi 1 4, , , , , , , , , , Fator alibrasi rata-rata 6, Gambar 6 Diagram alir program filter Kalman Penentuan Fator Kalibrasi Fator alibrasi merupaan suatu onstanta yang digunaan untu mengalibrasi antara hasil integral ganda dari percepatan dengan jara sebenarnya. Pada tugas ahir ini, aan dicari fator alibrasi hasil integral dari filter digital yang digunaan. Pada ahirnya, pengujian bertujuan untu menentuan filter digital yang paling sesuai sehingga menghasilan data jara yang paling mendeati jara sebenarnya atau dengan ata lain tingat esalahannya ecil. Dari Tabel 3 diperoleh fator alibrasi rata-rata pada sumbu x sebesar 6, , dengan cara yang sama seperti penentuan fator alibrasi pada sumbu x, maa diperoleh fator alibrasi pada sumbu y sebesar 6, dan sumbu z sebesar 7, IV PENGUJIAN DAN ANALISIS 4.1 Pengujian Karateristi Accelerometer MMA7260Q Pada bagian ini dilauan pengujian tegangan offset sensor. Pengujian tegangan offset dilauan dengan cara menguur tegangan dengan menggunaan multimeter.
6 Tabel 4 Hasil pengujian tegangan eluaran offset masing-masing sumbu. V offset (volt) No. sumbu x sumbu y sumbu z 1. 1,61 1,72 2, ,61 1,72 2, ,61 1,72 2, ,61 1,72 2, ,61 1,72 2,45 Jumlah 8,05 8,6 12,25 Rata-rata 1,61 1,72 2,45 Dari Tabel 4 terlihat bahwa tegangan offset rata-rata sumbu x sebesar 1,61 volt, sumbu y sebesar 1,72 volt, dan sumbu z sebesar 2,45 volt sudah mendeati tegangan offset ideal yaitu sebesar 1.65 volt, husus untu sumbu z tegangan offset ideal ditambah dengan 0,8 volt arena dalam eadaan default telah mengalami percepatan sebesar 1 g. 4.2 Pengujian Jara Pengujian jara dilauan dengan menerapan fator alibrasi yang didapat dari percobaan sebelumnya. Hasil pengujian yang didapat emudian dibandingan dengan jara sebenarnya sehingga didapat besaran error Pengujian Jara dengan Filter Eponensial A. Pengujian Jara masing- masing Secara Terpisah Tabel 5 Hasil pengujian jara sumbu x dengan filter esponensial No Rata - Jara Error rata jara Persentase sebenarnya jara tercatat Error (%) 1. 29, ,07 0, , ,73 1, , ,99 1, , ,20 2, , ,76 3,061 Error rata-rata 1,902 Dari Tabel 5 dapat diamati bahwa error rata-rata pada sumbu x dengan menggunaan filter esponensial sebesar 1,90 % dengan tingat esalahan jara 0,07 cm 2,76 cm dengan cara yang sama seperti pada pengujian jara sumbu x, maa diperoleh error rata-rata pada sumbu y sebesar 2,59 % dengan tingat esalahan jara 0,72 cm 2,25 cm dan sumbu z sebesar 4,29 % dengan tingat esalahan jara 1,39 cm 2,57 cm. B. Pengujian Jara 3 Secara Bersamaan Dengan cara yang sama seperti pada pengujian jara pada masing - masing sumbu dilauan pengujian jara 3 sumbu secara bersamaan pada jara 30 cm, 45 cm, dan 60 cm sehingga diperoleh hasil sebagai beriut. Tabel 6 Hasil pengujian jara 3 sumbu secara bersamaan dengan filter esponensial Jara sebenarnya ( x,y,z) Rata-rata Persentase Error (%) (x) (y) (z) 30 8,23 6,73 8, ,02 6,83 7, ,46 6,88 11,39 Dari Tabel 6 dapat dihitung error ratarata pada etiga jara tersebut diatas pada sumbu x sebesar 7,90 %, sumbu y sebesar 6,81 % dan sumbu z sebesar 8,92 % Pengujian Jara dengan Filter Kalman A. Pengujian Jara masing- masing Secara Terpisah Tabel 7 Hasil pengujian jara sumbu x dengan filter alman Rata - Jara Error rata jara Persentase No sebenarnya jara tercatat Error (%) 1. 30, ,21 0, , ,28 2, , ,56 2, , ,81 2, , ,29 1,433 Error rata-rata 2 Dari Tabel 7 dapat diamati bahwa error rata-rata pada sumbu x dengan menggunaan filter alman sebesar 2 % dengan tingat esalahan jara 0,21 cm 1,81 cm dengan cara yang sama seperti pada pengujian jara sumbu x, maa diperoleh error rata-rata pada sumbu y
7 sebesar 1,95 % dengan tingat esalahan jara 0,58 cm 1,65 cm dan sumbu z sebesar 3,96 % dengan tingat esalahan jara 1,25 cm 2,34 cm. B. Pengujian Jara 3 Secara Bersamaan Dengan cara yang sama seperti pada pengujian jara pada masing - masing sumbu dilauan pengujian jara 3 sumbu secara bersamaan pada jara 30 cm, 45 cm, dan 60 cm sehingga diperoleh hasil sebagai beriut. Tabel 8 Hasil pengujian jara 3 sumbu secara bersamaan dengan filter alman Jara sebenarnya ( x,y,z) Rata-rata Persentase Error (%) (x) (y) (z) 30 5,13 6,09 6, ,20 5,69 6, ,22 10,41 13,80 Dari Tabel 8 dapat dihitung error ratarata pada etiga jara tersebut diatas pada sumbu x sebesar 7,18 %, sumbu y sebesar 7,39 % dan sumbu z sebesar 9,11 %. V PENUTUP 5.1 KESIMPULAN Berdasaran pengujian dan analisis yang telah dilauan, maa dapat disimpulan beberapa hal sebagai beriut : 1. Tegangan masuan tipial sensor adalah 3,28 V. 2. Nilai tegangan offset pada g-select 0-0 untu etiga sumbu terjadi sediit perbedaan dengan perhitungan berisar antara 0,01 volt 0,08 volt. Pada g-select 0-1 untu sumbu x dan y terjadi perbedaan yang ecil yaitu 0,05 volt dan 0,02 volt, sedangan untu sumbu z terjadi perbedaan yang cuup besar yaitu 0,33 volt. Pada g-select 1-0 untu sumbu x dan y terjadi perbedaan yang ecil yaitu 0,05 volt dan 0,1 volt, sedangan untu sumbu z terjadi perbedaan yang cuup besar yaitu 0,3 volt. Pada g-select 1-1 untu etiga sumbu terjadi sediit perbedaan dengan perhitungan berisar antara 0,01 volt 0,06 volt. 3. Hasil terbai untu pengujian jara secara terpisah pada sumbu x adalah dengan menggunaan filter esponensial sedangan pada sumbu y dan sumbu z adalah dengan menggunaan filter Kalman. 4. Error rata - rata pengujian jara pada 3 sumbu secara bersamaan dengan menggunaan filter esponensial adalah sumbu x sebesar 7,90 %, sumbu y sebesar 6,81 %, dan sumbu z sebesar 8,92 %. 5. Error rata - rata pengujian jara pada 3 sumbu secara bersamaan dengan menggunaan filter Kalman adalah sumbu x sebesar 7,18 %, sumbu y sebesar 7,39 %, dan sumbu z sebesar 9,11 %. 5.2 SARAN Untu pengembangan sistem lebih lanjut, maa dapat diberian saran-saran sebagai beriut: 1. Sensor accelerometer MMA7260Q memilii tingat sensitivitas yang sangat tinggi, sehingga segala hal yang memunginan terjadinya error pada sinyal eluaran perlu diminimalisasi, seperti estabilan tegangan masuan dan onesi antar omponen. 2. Metode integral dapat diembangan dengan berbagai variasi algoritma pengintegralan. 3. Variasi metode filter digital yang lain dapat digunaan untu mendapatan sinyal data eluaran sensor yang lebih bai. 4. Apliasi accelerometer sebagai pendetesi posisi dapat diembangan dengan perangat nirabel (wireless) dan perancangan instrumentasi yang dapat dibawa e mana-mana (portable).
8 DAFTAR PUSTAKA [1] Alma i, Vidi Rahman, Apliasi Sensor Accelerometer pada Pendetesi Posisi, Tugas Ahir Teni Eletro Universitas Diponegoro, Semarang, [2] Heryanto, M.Ary dan Wianu Adi P., Pemrograman Bahasa C untu miroontroller ATMEGA8535, Penerbit Andi, Yogyaarta, [3] Seifert, K. dan Camacho, O., Implementing Positioning Algorithms Using Accelerometers, Freescale Semiconductor, [4] Simon, Dan, Kalman Filtering, Embedded System Programming,2001. [5] Wahyudi, Adhi Susanto, Sasongo Pramono Hadi, Wahyu Widada, Simulasi Filter Kalman untu Estimasi Posisi dengan Meggunaan Sensor Accelerometer, Jurnal Techno Science, UDINUS Semarang, [6] Widada, W., Apliasi Digital Exponential Filtering untu Embedded Sensor Payload Roet, Prosiding Semiloa Tenologi Simulasi dan Komputasi serta Apliasi, [7] , ATmega 32 Data Sheet, Juli [8] , MMA7260Q Data Sheet, Juni [9] , KIA78R33API Data Sheet, Maret [10] , LM3940 Data Sheet, Januari [11] , YLScsDrawing3d Library, Juni Muhammad Riyadi (L2F ) Dosen Pembimbing I Wahyudi, S.T., M.T. NIP Tanggal: Lahir di Semarang, 28 Mei Saat ini sedang menyelesaian studi pendidian strata I di Jurusan Teni Eletro, Faultas Teni Universitas Diponegoro Konsentrasi Kontrol. Mengetahui dan mengesahan, Dosen Pembimbing II Iwan Setiawan, S.T.,M.T. NIP Tanggal:
Pendeteksi Rotasi Menggunakan Gyroscope Berbasis Mikrokontroler ATmega8535
Maalah Seminar Tugas Ahir Pendetesi Rotasi Menggunaan Gyroscope Berbasis Miroontroler ATmega8535 Asep Mubaro [1], Wahyudi, S.T, M.T [2], Iwan Setiawan, S.T, M.T [2] Jurusan Teni Eletro, Faultas Teni, Universitas
Lebih terperinciPENENTUAN FAKTOR KALIBRASI ACCELEROMETER MMA7260Q PADA KETIGA SUMBU
PENENTUAN FAKTOR KALIBRASI ACCELEROMETER MMA7260Q PADA KETIGA SUMBU Wahyudi 1, Adhi Susanto 2, Sasongo P. Hadi 2, Wahyu Widada 3 1 Jurusan Teni Eletro, Faultas Teni, Universitas Diponegoro, Tembalang,
Lebih terperinciAplikasi Sensor Accelerometer Pada Deteksi Posisi
Makalah Seminar Tugas Akhir Aplikasi Sensor Accelerometer Pada Deteksi Posisi Vidi Rahman Alma i [1], Wahyudi, S.T, M.T [2], Iwan Setiawan, S.T, M.T [2] Jurusan Teknik Elektro, Fakultas Teknik, Universitas
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 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 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 terperinciPerancangan Sensor Gyroscope dan Accelerometer Untuk Menentukan Sudut dan Jarak
Makalah Seminar Tugas Akhir Perancangan Sensor Gyroscope dan Accelerometer Untuk Menentukan dan Ruslan Gani [1], Wahyudi, S.T, M.T [2], Iwan Setiawan, S.T, M.T [2] Jurusan Teknik Elektro, Fakultas Teknik,
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 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 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 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 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 terperinciESTIMASI 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 terperinciPenempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming
JURAL TEKIK POMITS Vol. 2, o. 2, (2013) ISS: 2337-3539 (2301-9271 Print) B-137 Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming Yunan Helmy Amrulloh, Rony Seto Wibowo, dan Sjamsjul
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 terperinciPengaturan Suhu Ruangan Berbasis PID Menggunakan Mikrokontroler AT89S51
Pengaturan Suhu Ruangan Berbasis PID Menggunaan Miroontroler AT89S51 Edward Teguh Hartono 1, Trias Andromeda,ST. MT. 2, Sumardi,ST. MT. 2 Jurusan Teni Eletro, Faultas Teni, Universitas Diponegoro, Jl.
Lebih terperinciMakalah Seminar Tugas Akhir. Aplikasi Kendali Adaptif pada Pengendalian Plant Pengatur Suhu dengan Self Tuning Regulator (STR)
Maalah Seminar ugas Ahir Apliasi Kendali Adaptif pada Pengendalian Plant Pengatur Suhu dengan Self uning Regulator (SR) Oleh : Muhammad Fitriyanto e-mail : D_3_N2@yahoo.com Maalah Seminar ugas Ahir Apliasi
Lebih terperinciAPLIKASI TAPIS KALMAN PADA PENGUBAHAN DATA IMU MENJADI DATA NAVIGASI
Seminar Nasional enologi Informasi & Komuniasi erapan (Semanti ) ISBN 979-6-55- APLIKASI APIS KALMAN PADA PENGUBAHAN DAA IMU MENJADI DAA NAVIGASI Wahu Widada dan Wahudi Lembaga Penerbangan dan Antarisa
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 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 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 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 terperinciTanggapan Waktu Alih Orde Tinggi
Tanggapan Watu Alih Orde Tinggi Sistem Orde-3 : C(s) R(s) ω P ( < ζ (s + ζω s + ω )(s + p) Respons unit stepnya: c(t) βζ n n < n ζωn t e ( β ) + βζ [ ζ + { βζ ( β ) cos ( β ) + ] sin ζ ) ζ ζ ω ω n n t
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 terperinciPENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Wahyudi, Sorihi, dan Iwan Setiawan. Jurusan Teni Eletro Faultas Teni Universitas Diponegoro Semarang e-mail : wahyuditinom@yahoo.com.
Lebih terperinciRekayasa Elektrika. Jurnal DESEMBER 2017 VOLUME 13 NOMOR 3. TERAKREDITASI RISTEKDIKTI No. 36b/E/KPT/2016
TERAKREDITASI RISTEKDIKTI No. 36b/E/KPT/206 Jurnal Reayasa Eletria VOLUME 3 NOMOR 3 DESEMBER 207 Pengenal Geraan dengan Joystic Aselerometer Menggunaan Filter Kalman Khoirudin Fathoni dan Dhidi Prastiyanto
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 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 METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Tempat dan Watu Penelitian Penelitian ini dilauan di Jurusan Matematia Faultas Matematia dan Ilmu Pengetahuan Alam Universitas Lampung. Watu penelitian dilauan selama semester
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 terperinciMakalah Seminar Tugas Akhir APLIKASI SENSO R ACCELERO METER UNTUK MENULIS DI UDARA
Makalah Seminar Tugas Akhir APLIKASI SENSO R ACCELERO METER UNTUK MENULIS DI UDARA Sudirman Hamonangan Sihombing [1], Iwan Setiawan, S.T., M.T. [2], Achmad Hidayatno, S.T.,M.T. [2] Jurusan Teknik Elektro,
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 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 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 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 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 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 terperinciPengembangan Sensor Koil Datar 3-D untuk Deteksi Gempa Dini di Wilayah Lombok
84 JNTETI, Vol. 6, No. 1, Februari 17 Pengembangan Sensor Koil Datar 3-D untu Detesi Gempa Dini di Wilayah Lombo Islahudin 1, Muhammad Nizaar Abstract In this study, a flat coil application as a threedimensional
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 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 terperinciPROGRAM SIMULASI UNTUK REALISASI STRUKTUR TAPIS INFINITE IMPULSE RESPONSE UNTUK MEDIA PEMBELAJARAN DIGITAL SIGNAL PROCESSING
Konferensi asional Sistem dan Informatia 28; Bali, ovember 15, 28 KS&I8-44 PROGRAM SIMULASI UTUK REALISASI STRUKTUR TAPIS IFIITE IMPULSE RESPOSE UTUK MEDIA PEMBELAJARA DIGITAL SIGAL PROCESSIG Damar Widjaja
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 terperinciSignal Conditioning Test for Low-Cost Navigation Sensor
Signal Conditioning Test for Low-Cost Navigation Sensor Iwan Tirta 1,Romi Wiryadinata 2 Jurusan Teknik Elektro, Universitas Sultan Ageng Tirtayasa Cilegon, Indonesia 1 iwantirta7777@gmail.com, 3 romi@wiryadinata.web.id
Lebih terperinciHasil Uji Kalibrasi Sensor Accelerometer ADXL335
Hasil Uji Kalibrasi Sensor Accelerometer ADXL335 Iwan SETIAWAN #1, Budi SETIYONO #2, Tri Bagus SUSILO #3 # Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro Jln. Prof. Sudharto, Tembalang,
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 terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Departemen
Lebih terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Program
Lebih terperinciBAB III METODE SCHNABEL
BAB III METODE SCHNABEL Uuran populasi tertutup dapat diperiraan dengan teni Capture Mar Release Recapture (CMRR) yaitu menangap dan menandai individu yang diambil pada pengambilan sampel pertama, melepasan
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1 Keranga Pemiiran Pemerintah ahir-ahir ini sering dihadapan pada masalah persediaan pupu bersubsidi yang daya serapnya rendah dan asus elangaan di berbagai loasi di Indonesia.
Lebih terperinciSATUAN ACARA PERKULIAHAN ( SAP )
SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Watu : 1x 3x 50 Menit Pertemuan : 7 A. Kompetensi 1. Utama Mahasiswa dapat memahami tentang sistem
Lebih terperinciKLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE
KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE Warih Maharani Faultas Teni Informatia, Institut Tenologi Telom Jl. Teleomuniasi No.1 Bandung 40286 Telp. (022) 7564108
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 terperinciBAB III MODEL KANAL WIRELESS
BAB III MODEL KANAL WIRELESS Pemahaman mengenai anal wireless merupaan bagian poo dari pemahaman tentang operasi, desain dan analisis dari setiap sistem wireless secara eseluruhan, seperti pada sistem
Lebih terperinciAnalisis Pengaruh Peralatan Laboratorium Terhadap Kualitas Daya Pada Laboratorium Elektroteknika Dasar
3 Analisis Pengaruh Peralatan Laboratorium Terhadap Kualitas Daya Pada Laboratorium Eletrotenia Dasar Jamhir slami Pranata Laboratorium Pendidian (PLP) Ahli Muda Laboratorium Eletrotenia Dasar Faaultas
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 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 3 LANGKAH PEMECAHAN MASALAH
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Gambar 3.1 Bagan Penetapan Kriteria Optimasi Sumber: Peneliti Determinasi Kinerja Operasional BLU Transjaarta Busway Di tahap ini, peneliti
Lebih terperinciPENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB
PENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB Wirda Ayu Utari Universitas Gunadarma utari.hiaru@gmail.com ABSTRAK Program pengenalan pola ini merupaan program yang dibuat
Lebih terperinciPenggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler
Penggunaan Indusi Matematia untu Mengubah Deterministic Finite Automata Menjadi Espresi Reguler Husni Munaya - 353022 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,
Lebih terperinciModel Pembelajaran Off-Line Menggunakan Jaringan Syaraf Tiruan Untuk Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teknik Elektronika PENS 2009
Model Pembelaaran Off-Line Menggunaan Jaringan Syaraf Tiruan Untu Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teni Eletronia PENS 2009 Arie Setya Wulandari#, Eru Puspita S.T., M.Kom#2 # Jurusan
Lebih terperinciDosen Jurusan Teknik Elektro Industri 2 3
RANCANG BANGUN SISTEM PENGAMAN DAN MONITORING MOTOR SINKRON TIGA FASA ( HARDWARE ) Ir. Gigih Prabowo, MT. 1, Ir. Era Purwanto,M.Eng. 2, Arif Darmawan 3 1 Dosen Jurusan Teni Eletro Industri 2 Dosen Jurusan
Lebih terperinciSTUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT
TUGAS AKHIR STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT 040803023 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
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 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 terperinciMAKALAH SEMINAR TUGAS AKHIR
1 MAKALAH SEMINAR TUGAS AKHIR PENGENALAN POLA GEOMETRI WAJAH MENGGUNAKAN JARINGAN SYARAF TIRUAN PERAMBATAN BALIK Muhamad Tonovan *, Achmad Hidayatno **, R. Rizal Isnanto ** Abstra - Pengenalan waah adalah
Lebih terperinciPENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK
PENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK Nurul Khotimah *), Farida Hanum, Toni Bahtiar Departemen Matematia FMIPA, Institut Pertanian Bogor Jl. Meranti, Kampus IPB Darmaga, Bogor
Lebih terperinciAnalisa Drop Tegangan dan Susut Daya pada Jaringan Listrik Penyulang Renon Menggunakan Metode Artificial Neural Network
Analisa Drop Tegangan dan Susut Daya pada Jaringan Listri Penyulang Renon Menggunaan Metode Artificial Neural Networ I Gede Dyana Arana Jurusan Teni Eletro Faultas Teni, Universitas Udayana Denpasar, Bali,
Lebih terperinciAnalisa Kinerja Kode Konvolusi pada Sistem Parallel Interference Cancellation Multi Pengguna aktif Detection
Analisa Kinerja Kode Konvolusi pada Sistem Parallel Interference Cancellation Multi Pengguna atif Detection CDMA dengan Modulasi Quadrature Phase Shift Keying Berbasis Perangat Luna Saretta Nathaniatasha
Lebih terperinciPERBANDINGAN PERFORMANSI CONVOLUTIONAL CODE DENGAN CONVOLUTIONAL TURBO CODE
TUGAS AKHIR PERBANDINGAN PERFORMANSI CONVOLUTIONAL CODE DENGAN CONVOLUTIONAL TURBO CODE Diajuan Guna Melengapi Sebagian Syarat Dalam mencapai gelar Sarjana Strata Satu (S1) Disusun Oleh : Nama : Eo Kuncoro
Lebih terperinciPEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA
PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA Iing Mutahiroh, Fajar Saptono, Nur Hasanah, Romi Wiryadinata Laboratorium Pemrograman dan Informatia
Lebih terperinciKINETIKA REAKSI KIMIA TIM DOSEN KIMIA DASAR FTP UB 2012
KINETIKA REAKSI KIMIA TIM DOSEN KIMIA DASAR FTP UB Konsep Kinetia/ Laju Reasi Laju reasi menyataan laju perubahan onsentrasi zat-zat omponen reasi setiap satuan watu: V [ M ] t Laju pengurangan onsentrasi
Lebih terperinciPenerapan Sistem Persamaan Lanjar untuk Merancang Algoritma Kriptografi Klasik
Penerapan Sistem Persamaan Lanjar untu Merancang Algoritma Kriptografi Klasi Hendra Hadhil Choiri (135 08 041) Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,
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 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 terperinciBAB ELASTISITAS. Pertambahan panjang pegas
BAB ELASTISITAS 4. Elastisitas Zat Padat Dibandingan dengan zat cair, zat padat lebih eras dan lebih berat. sifat zat padat yang seperti ini telah anda pelajari di elas SLTP. enapa Zat pada lebih eras?
Lebih terperinciFISIKA. Kelas X GETARAN HARMONIS K-13. A. Getaran Harmonis Sederhana
K-13 Kelas X FISIKA GETARAN HARMONIS TUJUAN PEMBELAJARAN Setelah mempelajari materi ini, amu diharapan memilii emampuan sebagai beriut. 1. Memahami onsep getaran harmonis sederhana pada bandul dan pegas
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 terperinciPENDETEKSIAN GERAK TANGAN MANUSIA SEBAGAI INPUT PADA KOMPUTER
PENDETEKSIAN GERAK TANGAN MANUSIA SEBAGAI INPUT PADA KOMPUTER Wiaria Gazali 1 ; Haryono Soeparno 2 1 Jurusan Matematia, Faultas Sains dan Tenologi, Universitas Bina Nusantara Jln. K.H. Syahdan No. 9, Palmerah,
Lebih terperinciPREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION
Konferensi Nasional Sistem dan Informatia 2008; Bali, November 5, 2008 PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION Wahyudi Setiawan
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 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 terperinciPENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )
PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursati (13507065) Program Studi Teni Informatia, Seolah Teni Eletro dan Informatia, Institut Tenologi Bandung Jalan Ganesha No. 10 Bandung, 40132
Lebih terperinciTEORI KINETIKA REAKSI KIMIA
TORI KINTIK RKSI KII da (dua) pendeatan teoreti untu menjelasan ecepatan reasi, yaitu: () Teori tumbuan (collision theory) () Teori eadaan transisi (transition-state theory) atau teori omples atif atau
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 terperinciStudi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya
Studi dan Analisis mengenai Hill ipher, Teni Kriptanalisis dan Upaya enanggulangannya Arya Widyanaro rogram Studi Teni Informatia, Institut Tenologi Bandung, Jl. Ganesha 10 Bandung Email: if14030@students.if.itb.ac.id
Lebih terperinciMakalah Seminar Tugas Akhir
Pengaturan Kecepatan Motor DC Menggunaan Jaringan Syaraf Tiruan Feedforward Bacpropagation Sorihi *, Wahyudi **, Iwan Setiawan ** Abstra - Jaringan syaraf bacpropagation merupaan aringan syaraf yang telah
Lebih terperinciIMPLEMENTASI DAN ANALISIS ALGORITMA PENCARIAN RUTE TERPENDEK DI KOTA SURABAYA
94 IMPLEMENTASI DAN ANALISIS ALGORITMA PENCARIAN RUTE TERPENDEK DI KOTA SURABAYA Yudhi Purwananto 1, Diana Purwitasari 2, Agung Wahyu Wibowo Jurusan Teni Informatia, Institut Tenologi Sepuluh Nopember
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 terperinciTransformasi Wavelet Diskret Untuk Data Time Series
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 015 Transformasi Wavelet Disret Untu Data Time Series S - 11 11 Vemmie Nastiti Lestari, Subanar Jurusan Matematia, Faultas Matematia dan Ilmu Pengetahuan
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 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 IV IMPLEMENTASI DAN PENGUJIAN
BAB IV IMPLEMENTASI DAN PENGUJIAN 4.1 Implementasi Apliasi Pada tahap implementasi ini merupaan penerapan apliasi dari hasil perancangan sistem yang ada untu mencapai suatu tujuan yang diinginan. Implementasimelasanaan
Lebih terperinciBAB IV Solusi Numerik
BAB IV Solusi Numeri 4. Algoritma Genetia Algoritma Genetia (AG) [2] merupaan teni pencarian stoasti yang berdasaran pada meanisme selesi alam dan prinsip penurunan genetia. Algoritma genetia ditemuan
Lebih terperinciPenentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway
Rea Racana Jurnal Online Institut Tenologi Nasional Teni Sipil Itenas No.x Vol. Xx Agustus 2015 Penentuan Nilai Eivalensi Mobil Penumpang Pada Ruas Jalan Perotaan Menggunaan Metode Time Headway ENDI WIRYANA
Lebih terperinciISSN: TEKNOMATIKA Vol.1, No.2, JANUARI
ISSN: 1979-7656 TEKNOMATIKA Vol.1, No.2, JANUARI 2009 25 PERANCANGAN DAN IMPLEMENTASI JARINGAN SYARAF TIRUAN UNTUK MENDIAGNOSA JENIS PENYAKIT KANDUNGAN Bambang Yuwono Jurusan Teni Informatia UPN Veteran
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 terperinciDisain dan Implementasi Kontrol PID Model Reference Adaptive Control untuk Automatic Safe Landing Pada Pesawat UAV Quadcopter
JURNAL TEKNIK POMITS Vol., No., () 6 Disain dan Implementasi Kontrol PID Model Reference Adaptive Control untu Automatic Safe Landing Pada Pesawat UAV Quadcopter Teddy Sudewo, Ea Isandar, dan Katju Astrowulan
Lebih terperinciKINETIKA TRANSESTERIFIKASI BIODIESEL JARAK PAGAR. Luqman Buchori, Setia Budi Sasongko *)
KINETIKA TRANSESTERIFIKASI BIODIESEL JARAK PAGAR Luqman Buchori, Setia Budi Sasongo *) Abstract Biodiesel were produced by trans-etherification of castor oil with alcohol in the presence of NaOH catalyst.
Lebih terperinciBAB II KONSEP PERENCANAAN STRUKTUR TAHAN GEMPA
BAB II KONSEP PERENCANAAN STRUKTUR TAHAN GEMPA. GEMPA BUMI Gempa bumi adalah suatu geraan tiba-tiba atau suatu rentetetan geraan tiba-tiba dari tanah dan bersifat transient yang berasal dari suatu daerah
Lebih terperinciPELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman.
JMP : Volume 6 Nomor, Juni 04, hal. - PELABELAN FUZZY PADA GRAF Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman email : oeytea0@gmail.com ABSTRACT. This paper discusses
Lebih terperinci