Tesis ALGORITMA ADAPTIVE COVARIANCE RANK UNSCENTED KALMAN FILTER UNTUK ESTIMASI KEADAAN PADA PERSAMAAN AIR DANGKAL. Oleh:
|
|
- Adi Hadiman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Tesis ALGORITMA ADAPTIVE COVARIANCE RANK UNSCENTED KALMAN FILTER UNTUK ESTIMASI KEADAAN PADA PERSAMAAN AIR DANGKAL Oleh: Habib Hasbullah NRP Dosen Pembimbing: Dr. Erna Apriliani, M.Si
2 Abstra Unscented Kalman filter (UKF) adalah estimator non linear yang secara husus sesuai untu masalah sistem non linear omples. Dalam unscented Kalman filter (UKF), ovarian error diestimasi dengan mempropagasi e depan sebuah himpunan titi-titi sigma (sigma point) yang merupaan contoh ruang eadaan pada loasi terpilih secara cerdas. Untu sistem berdimensi besar, beban omputasi algoritma unscented Kalman filter (UKF) juga besar. Tesis ini mengaji sebuah versi aprosimasi dari unscented Kalman Filter (UKF), yaitu algoritma adaptive covariance ran unscented Kalman Filter. Dalam adaptive covariance ran unscented Kalman Filter, ovarian error direpresentasian dengan aprosimasi ran teredusi dan tida dalam uuran penuh. Teni redusi ran dilauan dengan membentu deomposisi nilai singular (singular value decomposition) dari matris aar uadrat ovarian error. Algoritma adaptive covariance ran unscented Kalman Filter digunaan untu estimasi eadaan pada persamaan (model) air dangal (shallow water equation) nonlinear berbentu saint Venant. Hasil simulasi yang dilauan menunjuan bahwa estimasi eadaan menggunaan adaptive covariance ran unscented Kalman Filter memberian hasil estimasi yang bai dan berimpit, bai dengan realnya maupun dengan full ran unscented Kalman filter. Redusi ran dapat dilauan sampai dengan ran e 20 dari full ran 40.
3 Latar Belaang Unscented Kalman filter (UKF) adalah salah satu metode ensemble filter yang diembangan untu menasir eadaan pada sistem non linear. Beberapa hasil penelitian, antara lain: Rudi (2007), Kandepu, d (2008), Baehaqi (2009), menunjuan bahwa estimasi eadaan menggunaan unscented Kalman filter (UKF) pada beberapa masalah sistem non linear memberian hasil yang estimasi aurat (bai) dibandingan dengan extended Kalman filter (EKF) maupun ensemble Kalman filter (EnKF). Tetapi watu omputasi UKF cenderung lebih lama dibanding EKF. Berdasaran hal-hal di atas penulis mengaji sebuah algoritma filter teredusi dari UKF yang diharapan lebih efesien dan efetif serta mudah diimplementasian, yaitu adaptive covariance ran unscented Kalman filter. Algoritma ini digunaan untu estimasi eadaan pada persamaan air dangal non linear berbentu saint Venant.
4 Perumusan Masalah 1. Bagaimanaah bentu algoritma adaptive covariance ran untu unscented Kalman filter? 2. Bagaimanaah efetifitas dan efesiensi algoritma adaptive covariance ran unscented Kalman filter untu estimasi eadaan pada persamaan (model) air dangal (shallow water equation)?
5 Batasan Masalah 1. Algoritma adaptive covariance ran untu unscented Kalman filter ini diterapan (disimulasian) untu estimasi variabel eadaan pada persamaan air dangal (shallow water equation) nonlinear satu dimensi. Bentu persamaan air dangal yang digunaan adalah bentu persamaan saint Venant. 2. Bentu simulasi yang dilauan dengan membandingan efetifitas dan efesiensi beberapa pengurangan (redusi) ran pada algoritma adaptive covariance ran unscented Kalman filter terhadap algoritma full ran unscented Kalman filter (UKF).
6 Tujuan Penelitian 1. Mengaji pembentuan algoritma filter teredusi untu unscented Kalman filter (UKF). 2. Mengetahui tingat aurasi dan efesiensi metode filter teredusi untu unscented Kalman filter (UKF), yaitu adaptive covariance ran unscented Kalman filter yang digunaan unt estimasi eadaan pada persamaan air dangal (shallow water equation) non linear satu dimensi dalam bentu saint Venant.
7 Manfaat Penelitian 1. Memperoleh sebuah algoritma filter teredusi yang diharapan dapat memperbaii inerja algoritma unscented Kalman filter (UKF), yaitu adaptive covariance ran unscented Kalman filter 2. Sebagai metode alternatif bagi para peneliti bidang estimasi dengan melihat esesuaian dengan masalah yang dihadapi.
8 Kajian Pustaa Unscented Kalman Filter Metode ini menggunaan transformasi unscented, yaitu suatu metode untu menghitung statisti (mean dan ovarian) yang mengalami transformasi nonlinear. Ide utama unscented Kalman filter (UKF) adalah untu mengaprosimasi mean eadaan dan ovariannya menggunaan matris titi-titi berbobot dari ruang eadaan yang disebut titi-titi sigma
9 Unscented Kalman Filter Misalan diberian sistem nonlinear watu disrit : x = f( x, u ) + w 1 z = hx (, ) + v dengan : x u = Keadaan sistem berdimensi = Input, L x w L w = Noise Sistem berdimensi dengan ovarian w R z v = Fungsi dari Penguuran = Noise Penguuran berdimensi dengan ovarian L v v R
10 Unscented Kalman Filter Implementasi dari unscented Kalman filter (UKF), secara husus memperhatian sebuah sistem yang diperbesar berdimensi x aug x = w v L= Lx + Lw + Lv Dengan ovariannya P x P 0 0 w = 0 R 0 v 0 0 R Tetapi untu asus dengan noise sistem dan noise penguuran semata-mata aditif, tida dibentu sistem diperbesar (augmented).
11 Algoritma Unscented Kalman Filter (UKF) Inisialisasi Kalulasi Sigma Point Predisi (Time Update) Koresi (Measurement Update)
12 HOME Inisialisasi x = E[ x ] 0 0 ; T Px = E ( x x )( x0 x ) ; x 0 aug x0 = 0 ; 0 aug aug aug aug T P ˆ ˆ 0 = E ( x0 x0 )( x0 x0 ).
13 HOME Kalulasi Sigma Point χ χ χ (0) = x aug 1 aug i = x + ( L+ λ) P, i = 1,..., L () i () 1 1 aug i = x ( L+ λ) P, i = 1,..., L ( i+ L) () 1 1 α = Parameter pensalaan yang menentuan penyebaran sigma point di seitar mean x dengan 0<α<1 L =Dimensi sistem diperbesar P () i =2 λ = α ( L+ κ) L, dengan κ = 0 1 Kolom e-i dari matris ovarian P
14 HOME Tahap Predisi (Time Update) 1) Forecast untu tiap-tiap sigma point dengan χ f ( x, w = f χ χ ) 2) Hitunglah forecast vetor eadaan dan ovariannya 2L f () i () i f = E[ f χ ] = ω χ i= 0 xˆ ( ) 2L f x () i () i f f () i f f T ˆ ˆ = ωc χ χ i= 0 P [( x )( x ) ] ω () i () i dengan bobot dan c didefinisian: ω (0) λ ω = L + λ (0) λ 2 ωc = + 1 α + β L + λ () i () i 1 ω = ωc =, i = 1,..., 2L 2( L + λ)
15 HOME Tahap Koresi 1) Memetaan sigma point forecast dalam ruang penguuran dengan forecast vetor penguuran 2) Menghitung ovarian 2L f () i () i = ω Z i= 0 2L zz () i () i f () i f T = ωc i= 0 P [( Z z )( Z z ) ] 2L xz () i () i f () i f T ˆ = ωc χ i= 0 P [( x )( Z z ) ] dengan matris bobot xz zz K = P ( P ) 1 3) Menghitung eadaan dan ovarian analisis. a f f xˆ = xˆ + K ( z z ) f P = P KP K a x zz T z Z = h( χ, χ ) () i x v 4) Membentu Keadaan dan Kovarian diperbesar untu iterasi beriutnya.
16 Deomposisi Nilai Singular Deomposisi nilai singular (SVD) adalah menulisan suatu matris dalam bentu peralian matris diagonal yang berisi nilai-nilai singularnya, dengan matris yang berisi vetor-vetor singular yang bersesuaian. Teorema (Golub & van Loan, 1993) m n Jia A R suatu matris real maa terdapat matris matris orthogonal m n U = [ u,..., u ] R dan 1 1 m n n V = [ v,..., v ] R sedemiian hingga n T U AV = diag( σ,..., σ ) dengan p = min[ m, n] dan σ σ... σ 1 p 1 2 p A R m n dapat dinyataan sebagai deomposisi matris, yaitu U, Σ,danV,sehingga A= UΣV T
17 Redusi Ran Redusi ran dilauan berdasaran pada teorema sebagai beriut (Golub & van Loan, 1993): m n T Misal SVD dari A R adalah A= UΣ V. Jia < r = ran( A) dan Maa A T = σ iuv i i i= 1 min ran ( A ) = + 1 dengan σ = nilai singular, u dan v vetor singula r. i A A = σ i Redusi ran dilauan pada matris diagonal Σ yang entri-entri diagonalnya berupa nilai-nilai singular. i
18 Persamaan Air Dangal Sema model air dangal dapat digambaran sebagai beriut: Persamaan air dangal non linear yang digunaan berbentu saint Venant. h u h B + A + ub = q t x x u u h q + u + g = gs ( 0 Sf ) u t x x A dengan syarat batas h x u = 0; u(0, t) = ut ( ); = 0; hlt (, ) = ht ( ) x x= 0 x= L
19 Metode Penelitian MERUMUSKAN MASALAH PENELITIAN MENGKAJI METODE KF, UKF, DAN MODEL SISTEM MENGKAJI PEMBENTUKAN ALGORITMA ADAPTIVE COVARIANCE RANK UKF SIMULASI DAN ANALISA APLIKASI ALGORITMA ADAPTIVE COVARIANCE RANK UKF PADA MODEL DISKRITISASI MODEL KESIMPULAN
20 Pembahasan Algoritma Adaptive Covariance Ran UKF Kovarian error forecast eadaan, Kovarian Cross eadaan dan Penguuran, dan Kovarian Penguuran disederhanaan notasinya: 2L f x () i () i f f () i f f T T [( ˆ )( ˆ ) ] ˆ ˆ T = ωc χ χ Ω i= 0 P x x A A AA 2L zz () i () i f () i f T T [( )( ) ] ˆ ˆ T = ωc ΖΩΖ ΖΖ i= 0 P Z z Z z 2L xz () i () i f () i f T T [( ˆ )( ) ] ˆ ˆ T = ωc χ ΩΖ Ζ i= 0 P x Z z A A dengan Aˆ = A Ω dan Ζ ˆ = Ζ Membentu deomposisi nilai singular Aˆ = U Σ V T, dengan Ω Lx Lx Lx (2L+ 1) = [ 1,..., L ], Σ = [ σ1,..., σ p,..., σr], U u u R R x 2L+ 1 2L+ 1 dan V = [ v1,..., v2l+ 1] R, r = min( Lx,(2L+ 1))
21 Pembahasan Algoritma Adaptive Covariance Ran UKF Meredusi ran matris Aˆ yang dinyataan dengan ˆ T A = U Σ V, dengan r r r r Aˆr u u u u σ p 1 p u 0 1 u2 u p u σ p Lx p p p Ur = R ; Σ = R ; Lx Lx Lx Lx u u2 up 1 u σ p p V r v1 v2 vp 1 v p v1 v2 vp 1 vp = L+ p R ; dengan p < r L+ 1 2L+ 1 2L+ 1 2L+ 1 v1 v2 vp 1 vp
22 Algoritma Adaptive Covariance Ran UKF Diperoleh Aprosimasi redusi ran ovarian error predisi: L f x () i () i f f () i f f T = ω ( χ ˆ )( χ ˆ c ) i= 0 P x x = AA ˆ ˆ T Aˆ Aˆ r T r = U Σ U p 2 T r ( r ) r, dengan ran Redusi ran dilauan pula pada ovarian noise sistem dan ovarian noise penguuran, sehingga diperoleh aprosimasinya: w T T w w 2 wt = r r = r ( Σr ) r, dengan ran w R Q Q Q Q U U p T T v v v v v v v 2 vt = r r = r ( Σr ) r, dengan ran v R R R R R U U p
23 Algoritma Adaptive Covariance Ran UKF Sedangan ovarian analisisnya : dengan
24 Algoritma Adaptive Covariance Ran UKF Sigma point yang diperluan dalam algoritma ini sebanding dengan redusi ran matris ovarian error, yaitu: Lr = p+ pw + pv Sigma Point dihitung dengan formula beriut: χ χ χ (0) = x aug 1 aug i = x + ( L + λ) S, i = 1,..., L () i () 1 r 1 r aug i = x ( L + λ) S, i = 1,..., L ( i+ L) () 1 r 1 r Dengan bobot diberian: (0) λ ω = Lr + λ (0) λ 2 ωc = + 1 α + β L + λ ω r 1 = ω =, i = 1,...,2L () i () i c r 2( Lr + λ)
25 PERBANDINGAN UKF DAN ADAPTIVE RANK UKF
26 PERBANDINGAN UKF DAN ADAPTIVE RANK UKF
27 PERBANDINGAN UKF DAN ADAPTIVE RANK UKF
28 PERBANDINGAN UKF DAN ADAPTIVE RANK UKF
29 Pendisritan Model Persamaan air dangal didisritan dengan metode beda hingga. Metode beda hingga yang digunaan adalah forward in time center in space. Diperoleh persamaan dalam bentu disrit: Dalam hal ini ruang eadaan di grid menjadi 20, sehingga terdapat 40 state. Artinya sistem berdimensi 40.
30 Selanjutnya dengan i=1,..., 20, diperoleh persamaan ruang eadaan watu disrit Persamaan penguurannya adalah: z = hx (, ) + v Dalam hal ini variabel etinggian (h) sebagai variabel yang diuur.
31 Hasil Simulasi
32 Hasil Simulasi Ran 36 Hasil Simulasi Ran 30 Estimasi Ketinggian Aliran dengan Menggunaan UKF dan Adaptive Ran UKF 6 ACR-UKF Ran 36 nilai real UKF 5.5 Estimasi Ketinggian Aliran dengan Menggunaan UKF dan Adaptive Ran UKF 6.5 ACR-UKF Ran 30 nilai real UKF 6 Ketinggian Aliran Ketinggian Aliran Posisi x i Posisi x i Estimasi Kecepatan Aliran dengan Menggunaan UKF dan Adaptive Ran UKF ACR-UKF Ran 36 real UKF Estimasi Kecepatan Aliran dengan Menggunaan UKF dan Adaptive Ran UKF 2.6 ACR-UKF Ran 30 real 2.4 UKF 2.2 Kecepatan Aliran Posisi x Kecepatan Aliran Posisi x i
33 Hasil Simulasi Ran 20 Hasil Simulasi Ran 18 Estimasi Ketinggian Aliran dengan Menggunaan UKF dan Adaptive Ran UKF 7.5 ACR-UKF Ran 20 nilai real UKF 7 Estimasi Ketinggian Aliran dengan Menggunaan UKF dan Adaptive Ran UKF 11 ACR-UKF Ran 18 nilai real 10 UKF 9 Ketinggian Aliran Ketinggian Aliran Posisi x i Estimasi Kecepatan Aliran dengan Menggunaan UKF dan Adaptive Ran UKF 2.1 ACR-UKF Ran 20 2 real UKF Posisi x i Estimasi Kecepatan Aliran dengan Menggunaan UKF dan Adaptive Ran UKF 12 ACR-UKF Ran 18 real 10 UKF Kecepatan Aliran Kecepatan Aliran Posisi x i Posisi x i
34 Nilai Singular Full Matris Kovarian Error Ke - Nilai Ke - Nilai 1 1.0e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 * e+004 *0.0000
35 Rata-Rata Error Estimasi ADAPTIVE COVARIANCE RANK UKF ALGORITMA KETINGGIAN KECEPATAN UKF 0, , Ran 36 0, ,25470 Ran 30 0, , Ran 20 0, , Ran 18 27, , Watu Komputasi Algoritma SIMULASI KE- UKF ACR-UKF RANK 36 RANK 30 RANK 20 RANK , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,54270 RATA-RATA 1, , , , ,55634
36 Kesimpulan 1. Algoritma adaptive covariance ran unscented Kalman filter merupaan algoritma filter teredusi dari unscented Kalman filter. Dalam adaptive covariance ran unscented Kalman filter, maris ovarian error dinyataan dalam bentu ran teredusi dan tida dalam uuran penuh. Teni redusi (pemotongan) ran yang digunaan adalah deomposisi nilai singular (singular value decomposition). 2. Hasil simulasi yang telah dilauan menggunaan algoritma adaptive covariance ran unscented Kalman filter dan unscented Kalman filter pada persamaan air dangal non linear dalam bentu saint venant dengan dimensi sistem 40 menunjuan bahwa nilai estimasi untu etinggian dan ecepatan aliran nilai selisihnya sangat ecil terhadap nilai realnya atau errornya sangat ecil. Redusi ran dapat dilauan sampai dengan 50% atau redusi ran 20 dengan hasil yang berimpit dengan estimasi menggunaan unscented Kalman filter. 3. Hasil simulasi algoritma adaptive covariance ran unscented Kalman filter pada persamaan air dangal non linear dengan dimensi sistem 40 (20 grid) tida mengurangi watu omputasi full ran unscented Kalman filter (UKF).
37 Daftar Pustaa Albab, I. (2009), Redusi Ran pada Aar Kuadrat Ensemble Kalman Filter, Tugas Ahir, Institut Tenologi Sepuluh Nopember, Surabaya. Ambadan, J.T. dan Tang, Y. (2009), Sigma-Point Kalman Filter Data Assimilation Methods for Strongly Nonlinear Systems, Journal of The Atmospheric Sciences, Vol. 66, No. 2, hal Apriliani, E. (2002), A Ran Reduction on The Square-Root Information Filter and The Modified Reduced Ran Square Root Covariance Filter for A Vector Noise System, Disertasi Ph.D, Institut Tenologi Bandung, Bandung. Apriliani, E. dan Sanjaya, B. A. (2007), Redusi Ran pada Matris-Matris Tertentu, Laporan Penelitian, Institut Tenologi Sepuluh Nopember, Surabaya. Baehaqi, A. (2009), Estimasi Variabel Keadaan pada Non Isothermal Continuous Stirred Tan Reactor dengan Metode Unscented Kalman Filter dan Ensemble Kalman Filter, Tesis Magister, Institut Tenologi Sepuluh Nopember, Surabaya. Gloria, O.H. (2005), Numerical Simulation of Shallow Water Equations and Some Physical Models in Image Processing, Disertasi Ph.D, Universitat Pompeu Fabra, Barcelona. Golub, H. G. dan Loan, C. F. V. (1993), Matrix Computations (second edition), The John Hopins University Press, London. Grewal, M.S. dan Andreas, A.P. (2001), Kalman Filtering: Teory and Practice Using Matlab, John Wiley & Sons, Inc., New Yor. Julier, S. (2002), The Scaled unscented transformation, Proceedings of IEEE American Control Conference, Vol. 6, hal Julier, S.J, Uhlmann, J. K. dan Durrant-Whyte, H. (1995), A new approach for filtering nonlinear systems, Proceedings of the 14th IEEE American Control Conference, Seattle, WA, hal Julier, S.J. dan Uhlmann, J. K. (1997), "A New Extension of the Kalman Filter to Nonlinear Systems, Int. Symposium Aerospace/Defense Sensing, Simulation and Controls,Orlando, FL. Kalman, R. E. (1960), A New Approach to Linear Filtering and Prediction Problem, Transactions of the ASME- Journal of Basic Engineering, Vol. 82 (Seri D), hal Kalnay, E. (2003), Atmospheric Modeling, Data Assimilation, and Predictability, Cambridge University Press, Cambridge. Kandepu, R., Foss, B. dan Imsland, L. ( 2008), Applying the unscented Kalman filter for nonlinear state estimation, Journal of Process Control, Vol. 18, hal Kleinbaurer, R.(2004), Kalman Filtering Implementation with Matlab, Study Report of Study Geodesy and Geoinformatics at Universitat Stuttgart, Helsini University of Technology, Helsini.
38 Daftar Pustaa Lee, D. J. (2005), Nonlinear Bayesian Filtering with Applications to Estimation and Navigation, Disertasi Ph.D, Texas A&M University, Texas. Magnus, J.R. dan Neudecer, H. (1999), Matrix Differential Calculus with Applications in Statistics and Econometrics, John Wiley and Sons Ltd., Chichester. Masdui, A. dan Apriliani, E. (2008), Estimation of Surabaya River Water Quality Using Kalman Filter Algorithm, The Journal for Technology and Science, Vol. 19, No. 3, hal Ortega, G. H. (2005), Numerical Simulation of Shallow Water Equations and Some Physical Models in Image Processing, Tesis Ph.D., Universitas Pompeu Fabra, Barcelona. Padilla, L. E. dan Rowley, C. W. (2010), An adaptive-covariance-ran algorithm for unscented Kalman filter, submitted to the 49 th IEEE Conference on Decision and Control, Department of Mechanical and Aerospace Engineering, Princeton University, Princeton. Que, Y.T. dan Xu, K., (2005), The Numerical Study of Roll-Waves in Inclined Open Channels, International Journal for Numerical Methods in Fluids, Vol. 50, hal Rudi, (2007), Estimasi Variabel Keadaan Sistem dengan Model Penguuran Talinear Menggunaan Extended Kalman Filter dan Unscented Kalman Filter, Tesis Magister, Institut Tenologi Sepuluh Nopember, Surabaya. Setiadji, (2008), Aljabar Linear, Graha Ilmu, Yogyaarta. van der Merwe, R. (2004), Sigma point Kalman filters for probabilistic inference in dynamic state space models, Disertasi PhD, Oregon Health and Science University, Oregon. van der Merwe, R. and Wan, E. A. (2001), Efficient Derivative-Free Kalman Filters for Online Learning, Prosiding European Symposium on ArtificialNeural Networs (ESANN 2011), hal Xiong, K, Liu, L. D. dan Zhang, H. Y. (2009), Modified unscented Kalman filtering and its application in autonomous satellite Navigation, Jurnal Aerospace Science and Technology, Vol. 13, hal
39 Terimaasih
ALGORITMA ADAPTIVE COVARIANCE RANK UNSCENTED KALMAN FILTER UNTUK ESTIMASI KEADAAN PADA PERSAMAAN AIR DANGKAL
ALGORITMA ADAPTIVE COVARIANCE RANK UNSCENTED KALMAN FILTER UNTUK ESTIMASI KEADAAN PADA PERSAMAAN AIR DANGKAL Habib Hasbullah 1, Erna Apriliani 2 1 Mahasiswa Program Studi S2, Jurusan Matematika, F-MIPA,
Lebih 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 terperinciSeminar Tesis AKAR KUADRAT ENSEMBLE KALMAN FILTER (AK-EnKF) UNTUK ESTIMASI POSISI PELURU KENDALI
Seminar Tesis AKAR KUADRAT ENSEMBLE KALMAN FILTER () UNTUK ESTIMASI POSISI PELURU KENDALI OLEH : Teguh Herlambang (121 21 14) DOSEN PEMBIMBING: Subchan, PhD (1971513 19972 1 1 ) Dr. Erna Apriliani, M.Si
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 terperinciESTIMASI POSISI ROBOT MOBIL MENGGUNAKAN UNSCENTED KALMAN FILTER. Oleh: Miftahuddin ( )
ESTIMASI POSISI ROBOT MOBIL MENGGUNAKAN UNSCENTED KALMAN FILTER Oleh: Miftahuddin (1206 100 707) Dosen Pembimbing: Subchan, Ph.D Dr. Erna Apriliani, M.Si Abstrak Robot Mobil atau Mobile Robot adalah konstruksi
Lebih 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 terperinciSKEMA AKAR KUADRAT DALAM UNSCENTED KALMAN FILTER UNTUK MENDETEKSI KERAK PADA ALAT PENUKAR PANAS
Prosiding Seminar Nasional Penelitian, Pendidian dan Penerapan MIPA, Faultas MIPA, Universitas Negeri Yogyaarta, 4 Mei 2 SKEMA AKAR KUADRA DALAM UNSCENED KALMAN FILER UNUK MENDEEKSI KERAK PADA ALA PENUKAR
Lebih terperinciBAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING
Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan
Lebih terperinciEstimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga
JURNAL SAINS DAN SENI POMITS ol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Estimasi Konsentrasi Polutan Sungai Menggunaan Metode Redusi Kalman Filter dengan Pendeatan Elemen Hingga Muyasaroh, Kamiran,
Lebih terperinciEstimasi Posisi Mobile Robot Menggunakan Metode Akar Kuadrat Unscented Kalman Filter (AK-UKF)
Estimasi Posisi Mobile Robot Menggunakan Metode Akar Kuadrat Unscented Kalman Filter (AK-UKF) Teguh Herlambang 1), Reizano Amri Rasyid 2), Sri Hartatik 3), Dinita Rahmalia 4) 1) Program Studi Sistem Informasi
Lebih terperinciImplementasi Ensemble Kalman Filter (Enkf) Untuk Estimasi Ketinggian Air Dan Temperatur Uap Pada Steam Drum Boiler
Implementasi Ensemble Kalman Filter (Enkf) Untuk Estimasi Ketinggian Air Dan Temperatur Uap Pada Steam Drum Boiler Ahmad Nasrullah Jamaludin 1, Erna Apriliani 1, Hendra Cordova 2, Teguh Herlambang 3 1
Lebih terperinciEstimasi Posisi Magnetic Levitation Ball Menggunakan Metode Akar Kuadrat Ensemble Kalman Filter (AK-EnKF)
R E.M. (Reayasa Energi Manufatur Jurnal! "" # $ $% & % " % '! " ( http://dx.doi.org/10.1070/r.e.m.vi1.768 Estimasi Posisi Magnetic Levitation Ball Menggunaan Metode Aar Kuadrat Ensemble Kalman Filter (
Lebih terperinciMetode Asimilasi Data sebagai Estimasi Penyelesaian Masalah-masalah Lingkungan
J. of Math. and Its Appl. ISSN: 1829-605X Vol. 1, No. 1 (2004), 19 Metode Asimilasi Data sebagai Estimasi Penyelesaian Masalah-masalah Lingkungan Erna Apriliani Jurusan Matematika Institut Teknologi Sepuluh
Lebih 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 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 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 terperinciSEMINAR TUGAS AKHIR. Penerapan Metode Ensemble Kalman Filter untuk Estimasi Kecepatan dan Ketinggian Gelombang Non Linear pada Pantai
SEMINAR TUGAS AKHIR Penerapan Metode Ensemble Kalman Filter untuk Estimasi Kecepatan dan Ketinggian Gelombang Non Linear pada Pantai Oleh: Fadila Rahmana 1208 100 044 Abstrak Gelombang laut telah menjadi
Lebih terperinciREDUKSI RANK PADA MATRIKS-MATRIKS TERTENTU
J. Math. and Its Appl. ISSN: 89-65X Vol. 4, No., November 7, 8 REDUKSI RANK PADA MATRIKS-MATRIKS TERTENTU Erna Apriliani, Bandung Arry Sanjoyo Jurusan Matematika FMIPA Institut Teknologi Sepuluh Nopember,
Lebih terperinciPerbandingan Metode Kalman Filter, Extended Kalman Filter, dan Ensemble Kalman Filter pada Model Penyebaran Virus HIV/AIDS
J. Math. and Its Appl. E-ISSN: 2579-8936 P-ISSN: 1829-605X Vol. 15, No. 1, Maret 2018, 17-29 Perbandingan Metode Kalman Filter, Extended Kalman Filter, dan Ensemble Kalman Filter pada Model Penyebaran
Lebih terperinciReduksi Rank pada Matriks-Matriks Tertentu
Reduksi Rank pada Matriks-Matriks Tertentu E. Apriliani, B. Ari Sanjaya September 6, 7 Abstract. Dekomposisi nilai singular (Singular Value Decomposition - SVD) adalah suatu metode untuk menuliskan suatu
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 terperinciTUGAS AKHIR. ESTIMASI POSISI MAGNETIC LEVITATION BALL MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER (EnKF) Oleh: ARIEF RACHMAN
TUGAS AKHIR ESTIMASI POSISI MAGNETIC LEVITATION BALL MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER (EnKF) Oleh: ARIEF RACHMAN 1206 100 710 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciBAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK
BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB PENDAHULUAN. Latar belaang Metode analisis yang telah dibicaraan hingga searang adalah analisis terhadap data mengenai sebuah arateristi atau atribut (jia data itu ualitatif) dan mengenai sebuah variabel,
Lebih terperinci( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang
Latar Belaang Terdapat banya permasalahan atau ejadian dalam ehidupan sehari hari yang dapat dimodelan dengan suatu proses stoasti Proses stoasti merupaan permasalahan yang beraitan dengan suatu aturan-aturan
Lebih terperinciRuang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya
J. Math. and Its Appl. ISSN: 1829-605X Vol. 2, No. 1, May. 2005, 37 45 Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya Sadjidon Jurusan Matematia Institut Tenologi Sepuluh Nopember,
Lebih 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 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 terperinciAplikasi diagonalisasi matriks pada rantai Markov
J. Sains Dasar 2014 3(1) 20-24 Apliasi diagonalisasi matris pada rantai Marov (Application of matrix diagonalization on Marov chain) Bidayatul hidayah, Rahayu Budhiyati V., dan Putriaji Hendiawati Jurusan
Lebih terperinciBAB 2 TEORI PENUNJANG
BAB EORI PENUNJANG.1 Konsep Dasar odel Predictive ontrol odel Predictive ontrol P atau sistem endali preditif termasu dalam onsep perancangan pengendali berbasis model proses, dimana model proses digunaan
Lebih terperinciREDUKSI MODEL ALIRAN AIR SUNGAI SATU DIMENSI DENGAN METODE SINGULAR PERTURBATION APPROXIMATION
TUGAS AKHIR SM141501 REDUKSI MODEL ALIRAN AIR SUNGAI SATU DIMENSI DENGAN METODE SINGULAR PERTURBATION APPROXIMATION AIRIN NUR HIDAYATI NRP 113 100 095 Dosen Pembimbing Dr. Didi Khusnul Arif, S.Si, M.Si.
Lebih terperinciEstimasi Solusi Model Pertumbuhan Logistik dengan Metode Ensemble Kalman Filter
Jurnal ILMU DASAR, Vol.14, No,2, Juli 2013 : 85-90 85 Estimasi Solusi Model Pertumbuhan Logistik dengan Metode Ensemble Kalman Filter Solution Estimation of Logistic Growth Model with Ensemble Kalman Filter
Lebih 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 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 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 terperinciPengantar Penerjemah. Daftar Istilah
Pengantar Penerjemah Saya awali tulisan ini dengan Nama Alloh Sang Maha Pengasih Sang Maha Penyayang. Segala Puji bagi-nya yang telah mengajaran ilmu epada siapa saja yang diehendai-nya. Sungguh, saya
Lebih 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 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 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 terperinciIMPLEMENTASI ENSEMBLE KALMAN FILTER PADA ESTIMASI KECEPATAN KAPAL SELAM
SIDANG TUGAS AKHIR IMPLEMENTASI ENSEMBLE KALMAN FILTER PADA ESTIMASI KEEPATAN KAPAL SELAM Oleh: RISA FITRIA 57 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH
Lebih 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 terperinci( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang
LANDASAN TEORI Ruang Contoh Kejadian dan Peluang Suatu percobaan yang dapat diulang dalam ondisi yang sama yang hasilnya tida dapat dipredisi secara tepat tetapi ita dapat mengetahui semua emunginan hasil
Lebih 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 terperinciKAJIAN TEOREMA TITIK TETAP PEMETAAN KONTRAKTIF PADA RUANG METRIK CONE LENGKAP DENGAN JARAK-W
J. Math. and Its Appl. ISSN: 1829-605X Vol. 8, No. 2, November 2011, 43 49 KAJIAN TEOREMA TITIK TETAP PEMETAAN KONTRAKTIF PADA RUANG METRIK CONE LENGKAP DENGAN JARAK-W Sunarsini. 1, Sadjidon 2 Jurusan
Lebih 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 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 terperinciSifat-sifat Nilai Eigen dan Vektor Eigen Matriks atas Aljabar Maxplus
J. Sains Dasar () Sifat-sifat Nilai Eigen dan Vetor Eigen Matris atas ljabar Maxplus (The Properties of Eigen Value and Eigen Vector of Matrices Over Maxplus lgebra) Musthofa * dan Nienasih inatari * Jurusan
Lebih terperinciMakalah Seminar Tugas Akhir
Maalah Seminar Tugas Ahir PENDETEKSI POSISI MENGGUNAKAN SENSOR ACCELEROMETER MMA7260Q BERBASIS MIKROKONTROLER ATMEGA 32 Muhammad Riyadi Wahyudi, ST., MT. Iwan Setiawan, ST., MT. Abstract Currently, determining
Lebih terperinciAnalisis Reduksi Model pada Sistem Linier Waktu Diskrit
JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (216) 2337-352 (231-928X Print) A-25 Analisis Reduksi Model pada Sistem Linier Waktu Diskrit Yunita Indriana Sari dan Didik Khusnul Arif Jurusan Matematika, Fakultas
Lebih terperinciPERBANDINGAN METODE EXTENDED KALMAN FILTER DAN UNSCENTED KALMAN FILTER PADA ESTIMASI MODEL PREDATOR-PREY LOTKA-VOLTERRA SKRIPSI
PERBANDINGAN METODE EXTENDED KALMAN FILTER DAN UNSCENTED KALMAN FILTER PADA ESTIMASI MODEL PREDATOR-PREY LOTKA-VOLTERRA SKRIPSI Oleh Abd. Muis Hadianto NIM 081810101005 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA
Lebih terperinciY = + x + x x + e, e N(0, ), Residual e=y -Yˆ
Yogyaarta, 26 Noember 206 ISSN : 979 9X eissn : 25 528X ANALISIS PSEUDOINVERS DAN APLIKASINYA PADA REGRESI LINEAR BERGANDA Kris Suryowati Program Studi Statistia, Faultas Sains erapan, Institut Sains dan
Lebih terperinciPerbandingan Algoritma Golub Kahan dan QR Simetri untuk Dekomposisi Nilai Singular
J. Math. and Its Appl. ISSN: 1829-605X Vol. 3, No. 1, May 2006, 19 25 Perbandingan Algoritma Golub Kahan dan QR Simetri untuk Dekomposisi Nilai Singular Dieky Adzkiya, E. Apriliani, Bandung A.S. Jurusan
Lebih terperinciOptimasi Pada Misil Menggunakan Bang-Bang Control Dan Ensamble Kalman Filter
Optimasi Pada Misil Menggunakan Bang-Bang Control Dan Ensamble Kalman Filter Ahmad Zaenal Arifin Jurusan Matematika, Fakultas MIPA, Universitas PGRI Ronggolawe Tuban (UNIROW) E-Mail: kuyafira@gmail.com
Lebih 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 terperinciPencitraan Tomografi Elektrik dengan Elektroda Planar di Permukaan
Abstra Pencitraan omografi Eletri dengan Eletroda Planar di Permuaan D. Kurniadi, D.A Zein & A. Samsi KK Instrumentasi & Kontrol, Institut enologi Bandung Jl. Ganesa no. 10 Bandung Received date : 22 November2010
Lebih 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 terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL Syafruddin Side, Jurusan Matematia, FMIPA, Universitas Negeri Maassar email:syafruddinside@yahoo.com Info: Jurnal MSA Vol. 3
Lebih 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 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 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 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 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 terperinciMASALAH VEKTOR EIGEN MATRIKS INVERS MONGE DI ALJABAR MAX-PLUS
Seminar Sains Penidi Sains VI UKSW Salatiga Juni 0 MSLH VEKTOR EIGEN MTRIKS INVERS MONGE DI LJBR MX-PLUS Farida Suwaibah Subiono Mahmud Yunus Jurusan Matematia FMIP Institut Tenologi Sepuluh Nopember Surabaya
Lebih 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 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 terperinciPengenalan Pola. Klasifikasi Linear Discriminant Analysis
Pengenalan Pola Klasifiasi Linear Discriminant Analysis PTIIK - 2014 Course Contents 1 Analisis Disriminan 2 Linear Classification 3 Linear Discriminant Analysis (LDA 4 Studi Kasus dan Latihan Analisis
Lebih 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 terperinciPenggunaan Metode Bagi Dua Terboboti untuk Mencari Akar-akar Suatu Persamaan
Jurnal Penelitian Sains Volume 16 Nomor 1(A) Januari 013 Penggunaan Metode Bagi Dua Terboboti untu Menari Aar-aar Suatu Persamaan Evi Yuliza Jurusan Matematia, FMIPA, Universitas Sriwijaya, Indonesia Intisari:
Lebih terperinciEstimasi Parameter pada Model Suku Bunga Cox Ingersoll Ross (CIR) Menggunakan Kalman Filter untuk Menentukan Harga Zero Coupon Bond
JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) 2337-3520 (2301-928X Print) A-55 Estimasi Parameter pada Model Suku Bunga Cox Ingersoll Ross (CIR) Menggunakan Kalman Filter untuk Menentukan Harga Zero Coupon
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belaang Keadaan dunia usaha yang selalu berubah membutuhan langah-langah untu mengendalian egiatan usaha di suatu perusahaan. Perencanaan adalah salah satu langah yang diperluan
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 terperinciSOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK (STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS)
Prosiding Semirata15 bidang MIPA BKS-PTN Barat Hal 357-36 SOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS) Budi Rudianto 1, Narwen Jurusan
Lebih 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 terperinciDesain Kontroler Tunggal Untuk Meredam Osilasi Multi Frekuensi Pada Sistem Skala Besar
J. of Math. and Its Appl. ISSN: 1829-605X Vol. 1, No. 1 (2004), 1 7 Desain Kontroler Tunggal Untu Meredam Osilasi Multi Freuensi Pada Sistem Sala Besar Mardlijah Jurusan Matematia Institut Tenologi Sepuluh
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 terperinciBAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA
BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA Pada penelitian ini, suatu portfolio memilii seumlah elas risio. Tiap elas terdiri dari n, =,, peserta dengan umlah besar, dan
Lebih terperinciBAB 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Teori Fuzzy 2.1.1 Dasar-Dasar Teori Fuzzy Secara prinsip, di dalam teori fuzzy set dapat dianggap sebagai estension dari teori onvensional atau crisp set. Di dalam teori crisp
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 terperinciMENENTUKAN TURUNAN DAN SIFAT-SIFAT TURUNAN DARI FUNGSI 1/f(x) DAN h(x)/f(x) ABSTRACT
MENENTUKAN TURUNAN DAN SIFAT-SIFAT TURUNAN DARI FUNGSI 1/(x DAN h(x/(x Yuliana Saitri 1, Sri Gemawati 2, Musraini 2 1 Mahasiswa Program Studi S1 Matematia 2 Dosen Jurusan Matematia Faultas Matematia dan
Lebih terperinciImplementasi Kalman Filter Pada Sensor Jarak Berbasis Ultrasonik
Implementasi Kalman Filter Pada Sensor Jarak Berbasis Ultrasonik Hendawan Soebhakti, Rifqi Amalya Fatekha Program Studi Teknik Mekatronika, Jurusan Teknik Elektro Politeknik Negeri Batam Email : hendawan@polibatam.ac.id
Lebih terperinciDeret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII
Keonvergenan Kesumawati Prodi Statistia FMIPA-UII June 23, 2015 Keonvergenan Pendahuluan Kalau sebelumnya, suu suu pada deret ta berujung berupa bilangan real maa ali ini ita embangan suu suunya dalam
Lebih terperinciOptimasi Non-Linier. Metode Numeris
Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran
Lebih terperinciBAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel
BAB III ANALISIS DISKRIMINAN 3.1 Pengertian Analisis Disriminan Analisis disriminan merupaan sala satu metode yang digunaan dalam analisis multivariat dengan metode dependensi (dimana ubungan antar variabel
Lebih terperinciPengaruh Proses Stemming Pada Kinerja Analisa Sentimen Pada Review Buku
Jurnal Hasil Penelitian LPPM Untag Surabaya Januari 2018, Vol. 03, No. 01, hal 55-59 jurnal.untag-sby.ac.id/index.php/jhp17 E-ISSN : 2502-8308 P-ISSN : 2579-7980 Pengaruh Proses Stemming Pada Kinerja Analisa
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series)
III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunaan data seunder bersifat runtun watu (time series) dalam periode tahunan dan data antar ruang (cross section). Data seunder tersebut
Lebih terperinciPENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR
PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR Ngarap Im Mani 1) dan Lim Widya Sanjaya ), 1) & ) Jurs. Matematia Binus University PENGANTAR Perancangan percobaan adalah suatu
Lebih terperinciBEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE. Triyani dan Irham Taufiq Universitas Jenderal Soedirman
JMP : Volume 4 Nomor 2, Desember 2012, hal. 271-278 BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE Triyani dan Irham Taufiq Universitas Jenderal Soedirman trianisr@yahoo.com.au ABSTRACT.
Lebih 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 terperinciDESAIN SISTEM KENDALI GERAK SURGE DAN ROLL PADA SISTEM AUTONOMOUS UNDERWATER VEHICLE DENGAN METODE SLIDING MODE CONTROL (SMC)
PROSEDING DESAIN SISTEM KENDALI GERAK SURGE DAN ROLL PADA SISTEM AUTONOMOUS UNDERWATER VEHICLE DENGAN METODE SLIDING MODE CONTROL (SMC) Teguh Herlambang, Hendro Nurhadi Program Studi Sistem Informasi Universitas
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 terperinciARSITEKTUR DAN ALGORITMA JST UNTUK MENDUKUNG PREDIKSI GANGGUAN GEOMAGNET
Prosiding SNaPP2012 : Sains, Tenologi, dan Kesehatan ISSN 2089-3582 ARSITEKTUR DAN ALGORITMA JST UNTUK MENDUKUNG PREDIKSI GANGGUAN GEOMAGNET 1 John Maspupu 1 Pussainsa LAPAN, Jl Dr Dundunan No 133 Bandung
Lebih terperinciMENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL
MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL Sarta Meliana 1, Mashadi 2, Sri Gemawati 2 1 Mahasiswa Program Studi S1 Matematia 2 Dosen Jurusan Matematia Faultas Matematia dan
Lebih terperinciKENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN
KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN Pardi Affandi, Faisal, Yuni Yulida Abstra: Banya permasalahan yang melibatan teori sistem dan teori ontrol serta apliasinya. Beberapa referensi
Lebih terperinciWATERMARKING DENGAN METODE DEKOMPOSISI NILAI SINGULAR PADA CITRA DIGITAL
SEMIN HASIL TUGAS AKHIR 1 WATERMKING DENGAN METODE DEKOMPOSISI NILAI SINGUL PADA CITRA DIGITAL Oleh : Latifatul Machbubah NRP. 1209 100 027 JURUSAN MATEMATI FAKULTAS MATEMATI DAN ILMU PENGETAHUAN ALAM
Lebih terperinciPEMPROSESAN ALARM DALAM PERLINDUNGAN SISTEM DAYA LISTRIK MENGGUNAKAN NEURAL NETWORK. Azriyenni
PEMPROSESAN ALARM DALAM PERLINDUNGAN SISTEM DAYA LISTRIK MENGGUNAKAN NEURAL NETWORK Azriyenni Dosen Tetap Teni Eletro Universitas Riau - Peanbaru Abstra Penelitian ini menyelidii mengenai pemprosesan alarm
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 terperinciUJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure
8/9/01 UJI TUKEY UJI DUNCAN UJI BARTLETT UJI COCHRAN UJI DUNNET Elty Sarvia, ST., MT. Faultas Teni Jurusan Teni Industri Universitas Kristen Maranatha Bandung Macam Metode Post Hoc Analysis The Fisher
Lebih terperinciStudi Perbandingan Perpindahan Panas Menggunakan Metode Beda Hingga dan Crank-Nicholson
1 Studi Perbandingan Perpindahan Panas Menggunaan Metode Beda Hingga dan Cran-Nicholson Durmin, Drs. Luman Hanafi, M.Sc Jurusan Matematia, Faultas Matematia dan Ilmu Pengetahuan Alam, Institut Tenologi
Lebih terperinciModifikasi ACO untuk Penentuan Rute Terpendek ke Kabupaten/Kota di Jawa
187 Modifiasi ACO untu Penentuan Rute Terpende e Kabupaten/Kota di Jawa Ahmad Jufri, Sunaryo, dan Purnomo Budi Santoso Abstract This research focused on modification ACO algorithm. The purpose of this
Lebih terperinci