SKEMA AKAR KUADRAT DALAM UNSCENTED KALMAN FILTER UNTUK MENDETEKSI KERAK PADA ALAT PENUKAR PANAS
|
|
- Veronika Setiawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 PANAS M. olib, Erna Apriliani 2 Jurusan Matematia FMIPA Institut enologi Sepulu Nopember Surabaya tolib@gmail.com Abstra Filter Kalman adala suatu algoritma yang digunaan untu mengestimasi variabel eadaan pada sistem linier. Sedangan untu sistem talinier Filter Kalman tida dapat digunaan secara langsung. Untu beberapa taun emudian muncul metode baru yang dienal dengan nama Unscented Kalman Filter (UKF) yang menggunaan teni transformasi unscented. Aar Kuadrat merupaan suatu sema yang dapat diterapan dalam UKF untu mengestimasi suatu model dinami talinear. Dalam maala ini dilauan suatu ajian mengenai sema Aar Kuadrat yang diterapan pada Unscented Kalman Filter (UKF) seingga terbentu suatu algoritma baru yang dinamaan dengan Aar Kuadrat-Unscented Kalman Filter (AK-UKF). Dan emudian algoritma ini diimplementasian pada model sistem detesi era pada alat penuar panas. Kata unci: Filter Kalman, Unscented Kalman Filter (UKF), Aar Kuadrat-Unscented Kalman Filter (AK-UKF), era, alat penuar panas. PENDAHULUAN Filter Kalman merupaan sala satu metode untu menasir variabel eadaan dari sebua sistem linier dengan meminimuman ovariansi esalaan estimasi. Sala satu pendeatan Filter Kalman yang bisa digunaan untu sistem talinier, yaitu Extended Kalman Filter (EKF) dan Unscented Kalman Filter (UKF)[4]. Selama urang lebi 2-3 taun EKF diaui secara umum sebagai metode untu menasir variabel eadaan sistem talinier, ingga ditemuan suatu pendeatan baru yang dienal dengan Unscented Kalman Filter [4]. Perbedaan edua metode ini yaitu pada metode pelinieran yang digunaan, pada EKF sistem dilinieran dengan menggunaan pendeatan deret aylor, sementara pada UKF menggunaan ransformasi Unscented. Metode dasar ransformasi Unscented pertama ali diperenalan Ulman dan Julier [5], merea membentu sebua eranga yang mewaili variabel random yang dinamaan iti-iti Sigma. Sema aar uadrat merupaan sala satu sema yang dapat diimplementasian pada UKF. Sema ini dapat mempengarui pada asil estimasi menjadi lebi bai, bai dalam al tingat aurasi maupun watu omputasi yang digunaan[6]. Dalam penelitian ini aan dilauan suatu ajian mengenai implementasi sema aar uadrat pada UKF, yang selanjutnya diterapan untu mengestimasi variabel eadaan pada sistem dengan model penguuran talinear yaitu sistem/model pada alat penuar panas. Hasil estimasi dengan metode Aar Kuadrat Unscented Kalman Filter (AK-UKF) selanjutnya aan dibandingan metode UKF standar, seingga diperole metode yang memilii tingat etelitian yang lebi bai. Maasiswa Pasca Sarjana Matematia FMIPA IS Surabaya 2 Staf Pengajar Jurusan Matematia IS Surabaya M - 9
2 M. olib / Sema Aar Kuadrat UNSCENED KALMAN FILER (UKF) Proses estimasi pada metode Filter Kalman menyajian bentu umum dari sistem yang digunaan dan beberapa taapan dari proses estimasinya. Lewis memberian suatu sistem dinami linear, secara umum berbentu sebagai beriut[3]: dengan awal x = A x + B u + G + w z = H x + v () x ~ ( x, P x ) ; w ~ (, Q ); v ~ (, R ) P x, x variabel eadaan sistem pada watu yang nilai estimasi awalnya x dan ovarian n x R, m u variabel input deterministi pada watu, u R. w gangguan (noise) pada sistem yang mempunyai mean w = dan ovarian Q, z variabel penguuran, p z R, v gangguan (noise) pada penguuran dengan mean v = dan ovarian R. A, B, G, H adala matris-matri dengan uuran yang bersesuaian. Proses estimasinya ada dua taap, yaitu taap predisi (time update) dipengarui ole dinamia sistem, dan taap oresi (measurement update) dipengarui ole informasi dari penguuran. Kedua taap ini aan berulang terus-menerus sampai pada watu yang ditentuan. Unscented Kalman Filter adala pengembangan dari Filter Kalman untu sistem yang nonlinear dengan menggunaan teni ransformasi Unscented. Misalan diberian suatu fungsi epadatan peluang disrit y =f(x,) mempunyai variabel random x dari sebua model talinear dengan dimensi L mempunyai mean dan ovarian. Fungsi y =f(x,) dideati dengan transformasi unscented. Mean dan ovarian tersebut digunaan untu menentuan penyebaran 2L+ titi-titi sigma diseitar. iti-titi sigma dalam bentu vetor sigma diperole dengan menggunaan persamaan beriut [4]:, i =,..., L i = L +,..., 2L (2) dengan: adala parameter pensalaan, α adala sebua onstanta yang digunaan untu menentuan sebaran dari titi sigma di seeliling, dimana α selalu bernilai positif ecil dan adala sala pensalaan tambaan, dimana nilai. Nilai yang paling sering digunaan yaitu =. Misalan diberian variabel eadaan: [ ] x = x x L x L 2 Jia dinyataan dalam bentu matris sigma points bisa ditulisan menjadi: i = [ χ χ χl χ L+ χ L+ 2 χ2l ] Karena y f ( x ) χ L L (4) =, maa penyebaran vetor sigma y adala:, i =,..., 2L, Pembobot mean dan ovarian diitung berdasaran persamaan [6]: (3), i =,..., 2L (5) M -
3 Prosiding Seminar Nasional Penelitian, Pendidian dan Penerapan MIPA, Faultas MIPA, Universitas Negeri Yogyaarta, 4 Mei 2 Dengan menggunaan titi-titi sigma persamaan (2) dan persamaan pembobot meanovarians pada persamaan (5), maa diperole mean: ( i ) 2L + ( m ) i (6) i = yˆ = W f χ Sedangan untu mengitung ovarians dari y menggunaan persamaan: 2L ( c ) ( ( ) ˆ )( ( ) ˆ y = i χi χi ) (7) P W f y f y Secara ringas algoritma Unscented Kalman Filter dapat ditulisan sebagai beriut[5]: Inisialisasi Pada saat = Untu =,2,3,,N : Hitung titi sigma dengan: dan aap predisi (time update) aap oresi (measurement update) Dengan Q = ov. eror proses dan R = ov. eror penguuran AKAR KUADRA UNSCENED KALMAN FILER (AK-UKF) Algoritma UKF standar dapat dimodifiasi dengan cara menyebaran matris aar uadrat/fator Colesy secara langsung, untu mengindari ebutuan pemfatoran ulang pada setiap time step seingga bisa mengurangi beban omputasi. Untu memperole nilai estimasi, ovarian error dan pengitungaan fator Colesy taap predisi dan oresi adala dengan menggunaan teni ransformasi Unscented. Secara urut algoritma aar uadrat pada UKF dapat disusun sebagai beriut: M -
4 M. olib / Sema Aar Kuadrat Inisialisasi Pada saat = Fator Colesy S : Fator Colesy tambaan : Misal diberian variabel eadaan: (8) Dengan ovarian awal: P P2 L P L P2 P22 P 2L P L = M M M PL PL 2 L PLL (9) Berdasaran model yang diberian variabel random x dengan dimensi L mempunyai mean x ˆ, ovarian P dan juga fator Colesy S yang diperole dari persamaan, atau bisa ditulis:. Kemudian didefinisian variabel eadaan tambaan: [ ] a x = x w () Sedangan ovarian awal tambaan: xw a P P P = xw P Q () Dan fator Colesy awal tambaan adala: adala factor Colesy dari Q. Selanjutnya mean, ovarian dan fator Colesy tersebut digunaan untu menentuan penyebaran 2L+ titi-titi sigma diseitar. iti-titi sigma dalam bentu vetor sigma diperole dengan menggunaan persamaan beriut[7]:, i =, i =,2, L, i = L+,,2L (3) Dengan adala sala parameter dan, adala elemen baris e-i dari, sedangan L adala dimensi variabel tambaan. Berdasaran variabel eadaan diatas persamaan matris sigma poin bisa ditulisan menjadi: (4) Sedangan titi-titi sigma untu x + diperole dari: x x w χ = F χ, χ (5) ( i i ) i, +,, aap Predisi: Dengan menggunaan titi-titi sigma persamaan (5) dan pembobot mean dan ovarian persamaan (5) diperole asil estimasi: (6) (2) M - 2
5 Prosiding Seminar Nasional Penelitian, Pendidian dan Penerapan MIPA, Faultas MIPA, Universitas Negeri Yogyaarta, 4 Mei 2 Langa beriutnya adala menentuan fator Colesy predisi ( ) dengan cara melauan fatorisasi QR terlebi dulu dari persamaan: (7) Lalu mengitung Update Fator Colesy dari dengan persamaan: colupdate (8) Sigma poin dari model penguuran, yaitu: (9) Dengan menggunaan persamaan bobot (5) dan persamaan (9) diperole persamaan estimasi dari model penguuran: (2) aap Koresi Mengitung fator Colesy Lalu mengitung Update Fator Colesy dengan melauan fatorisasi QR dari persamaan: dari: colupdate ( ) (22) Kovarian error model proses dan penguuran (cross covarian) diperole dari persamaan: (23) Kalman Gain diperole dari persamaan: (24) Persamaan estimasi taap oresi adala: (25) Mengitung matri U dengan persamaan: (2) Mengitung fator Colesy taap oresi dari persamaan: colupdate (22) MODEL / SISEM PADA ALA PENUKAR PANAS Alat penuar panas atau dalam industri imia populer dengan istila Heat Excanger (HE), merupaan suatu alat yang berfungsi untu memindaan panas antara dua fluida yang berbeda temperatur dan dipisaan ole suatu seat pemisa. Perpindaan panas antara dua fluida dapat dipastian mengaibatan era[2]. Cuup banya erugian yang dapat ditimbulan ole era tersebut. Seingga apabila terjadi perpindaan panas yang besar maa penting untu dapat mendetesi era yang terbentu pada alat penuar panas. (2) Gambar. Alat Penuar Panas ipe counter-flow Dari gambar diatas persamaan / model yang mewaili alat penuar panas adala[2]: M - 3
6 M. olib / Sema Aar Kuadrat α α α +. 2 τ 2τ 2τ, α α α,.. + d, τ τ τ,2 = dt c, β β β c,. + c,2 2τ c 2τ c 2 τ c c,2 β β β. +. 2τ c 2 τc 2 τc α. 2 τ α 2τ, in + (23) β c, in. 2 τc β 2τ c dengan, adala temperatur pada bagian panas ( C ),, 2 adala temperatur pada bagian panas 2 = temperatur eluar (outlet) dari fluida panas( C ), c, adala temperatur pada bagian dingin ( C ), c, 2 adala temperatur pada bagian dingin 2 = temperature eluar (outlet) dari fluida dingin( C ),, in adala temperatur inlet (masu) pada bagian panas( C ), c, in adala temperatur inlet (masu) pada bagian dingin( C ). Model tersebut memilii 4 parameter yang dapat dinyataan dalam bentu beriut: AU M AcU M c α ( t) =, τ ( t) =, β ( t) =, τ c ( t) =, m& ( t) c m& ( t) m& c ( t) c c m& c ( t) dengan: dan adala jumla unit perpindaan panas pada fluida panas dan dingin, dan adala watu yang dibutuan perpindaan panas fluida panas dan dingin, dan adala area perpindaan panas pada fluida panas dan dingin (m 2 ), U adala oefisian perpindaan panas menyeluru, diasumsian U onstan, M adala massa fluida, dan adala onstanta pada bagian panas dan bagian dingin. Misalan model state: d x ( t ) = dt f ( m, x, & in ) ( ) α β,,2,,2 Τ = c c x t & [ m& m& ] [ ] Τ, = Τ m = c in. in c, in adala laju alir massa pada bagian panas (g/s), adala laju alir massa pada bagian dingin (g/s). Didapatan persamaan model state sebagai beriut: M - 4
7 Prosiding Seminar Nasional Penelitian, Pendidian dan Penerapan MIPA, Faultas MIPA, Universitas Negeri Yogyaarta, 4 Mei 2 α + α 2 α α α 2, c, c,2, in β τ 2τ 2τ τ d, α 2 + α 2 α α =,,2 + c, + c, in dt,2 τ τ 2τ 2τ c, β β + β 2 β 2, +,2 c, + c, in 2τ 2 c,2 c τc τc τc β β 2 + β 2 β, + c, c,2 +, in 2τ c τc τc 2τ c Selanjutnya dari 6 parameter pada model di atas, variabel yang aan diestimasi pada mala ini adala dan, dengan tujuan untu mengetaui jumla unit perpindaan panas pada fluida panas dan dingin sebagai dasar detesi adanya era. Dan dengan cara yang sama, dapat diestimasi pula nilai dari 4 parameter yang lain yaitu,, dan untu mengetaui pola distribusi temperatur pada masing-masing bagian. Model diatas disimulasian dengan nilai awal yang definisian sebagai beriut[2]:.. 7. xˆ ( ) = ; P ( ) = Kemudian Q (ovarian noise pada sistem) dan R (ovarian noise pada penguuran) dapat didefinisian sebagai matris diagonal beriut:.... Q = ; R =.... HASIL SIMULASI Pada gambar 2 terliat bawa dengan 6 iterasi grafi estimasi dengan metode AK-UKF relatif lebi mendeati grafi realnya dibandingan dengan grafi dengan metode UKF standar. Kemudian grafi estimasi dengan metode AK-UKF juga jau lebi mendeati grafi realnya dibandingan dengan grafi dengan metode UKF. Hal menunjuan bawa dari 6 ali iterasi estimasi dan dengan metode AK-UKF lebi aurat daripada metode UKF standar. M - 5
8 M. olib / Sema Aar Kuadrat real AK-UKF UKF Estimasi Nilai Alpa real AK-UKF UKF Estimasi Nilai Beta.2.2 Nilai Alpa.8 Nilai Beta watu e watu e Gambar 2. Hasil Estimasi dan menggunaan UKF dan AK-UKF Perbandingan nilai error edua metode pada estimasi dan terliat pada gambar 3, dapat diataan bawa untu watu sampai e-6 satuan watu, nilai error estimasi dan dengan menngunaan metode AK-UKF cenderung stabil pada isaran..75 relatif lebi ecil daripada dengan menggunaan metode UKF yang berada pada isaran Dapat diataan pula bawa nilai estimasi dan dengan AK-UKF memilii error masimal urang dari.75, yang relatif ecil dibanding dengan metode UKF standar yang mencapai.. Artinya pada estimasi dan nilai error dengan metode UKF standar, jau lebi besar dibandingan dengan metode AK-UKF. Jadi, dapat disimpulan bawa metode AK-UKF lebi aurat daripada metode UKF standar. Error pada α AK-UKF UKF Error pada β AK-UKF UKF Gambar 3. Error Estimasi dan dengan Metode UKF dan AK-UKF Selanjutnya aan dilauan estimasi sampai dengan 4 satuan watu. Dengan watu yang lebi lama, dipredisian era tela timbul atau teraumulasi. Gambar 4 menunjuan bawa etia memasui watu e-2 tela terjadi penurunan drastis nilai estimasi dari dan yaitu dari isaran (-.5) o C (.5) o C sampai pada isaran (-.3) o C (-2.6) o C. Maa secara teoritis ataupun fisis dapat diataan tela terdetesi adanya era pada alat penuar panas. M - 6
9 Prosiding Seminar Nasional Penelitian, Pendidian dan Penerapan MIPA, Faultas MIPA, Universitas Negeri Yogyaarta, 4 Mei 2.5 Estimasi Nilai Alpa dan Beta Estimasi Alpa Estimasi Beta.5 Nilai Alpa dan Beta watu e Gambar 4. Estimasi dari dan sampai watu e -4 Untu pada watu e-75 satuan watu, nilai dari estimasinya suda terliat mulai mengalami penurunan dibawa o C, dan secara terus menerus menurun. Mulai terjadi penurunan drastis setela watu e-2 sampai pada suu (-.4) o C. Sedangan untu sampai pada watu e- 75 satuan watu nilai estimasinya terus mengalami penurunan sampai mendeati suu (-.5) o C, mesipun emudian sempat mengalami enaian suu pada watu e-8, namun beriutnya setela watu e-2 mengalami penurunan drastis sampai pada titi (-2.6) o C. Hal ini menunjuan adanya era pada alat tersebut etia memasui watu e-2. Perbandingan watu omputasi algoritma UKF dan AK-UKF pada masing-masing iterasi dapat diliat pada abel beriut: Jumla iterasi abel. Perbandingan watu omputasi algoritma UKF dan AK-UKF Metode UKF Watu Komputasi (deti) Metode AK-UKF = = = = Nilai Root Mean Square Error (RMSE) dari tiap-tiap variabel pada iterasi =6, = dan =4 ditunjuan pada abel 2. abel 2 Perbandingan RMSE Algoritma UKF dan AK-UKF tiap variabel. Root Mean Square Error (RMSE) Variabel =6 = =4 eadaan UKF AK- UKF UKF AK- UKF UKF AK- UKF α β KESIMPULAN DAN SARAN Dari tabel perbandingan rata-rata error antara UKF standar dan AK-UKF dapat disimpulan bawa metode AK-UKF jau lebi bai dan aurat daripada UKF standar. Sedangan dari tabel perbandingan watu omputasi yang digunaan dari edua algoritma tersebut dapat disimpulan pula bawa metode AK-UKF membutuan watu yang lebi sediit daripada UKF standar. Jadi M - 7
10 M. olib / Sema Aar Kuadrat secara eseluruan dapat disimpulan berarti metode AK-UKF lebi aurat dan efisien dibanding dengan metode UKF standar. Penulis menyaranan untu mengaji lebi lanjut penerapan metode AK-UKF pada model sistem yang talinier dan berorde yang lebi tinggi. DAFAR PUSAKA [] Golub, H. G. dan Loan, V. F. Carles. (996), Matrix Computations (ird Edition), e Jon Hopins University Press, Baltimore and London. [2] Jonsson, G.R., Lalot, S., Palsson, O.P., dan Desmet, B. (27). Use of Extended Kalman Filtering in Detecting Fouling in Heat Excangers. University of Iceland, France. [3] Lewis, L Fran. (986), Optimal Estimation, Wit An Introduction o Stocastic Control eory, Jon Wiley and Sons, New Yor. [4] Rudi. (26), Penerapan Extended Kalman Filter dan Unscented Kalman Filter pada Estimasi Variabel Keadaan Sistem dengan Model Penguuran alinier, esis Magister Jurusan Matematia FMIPA Institut enologi Sepulu Nopember, Surabaya. [5] erejanu, Gabriel.A.(23), Unscented Kalman Filter utorial, Departement of Computer and Engineering University at Buffalo. [6] Wan, Eric dan Merwe, Rudolp V.D. (2), e Square Root Unscented Kalman Filter For State and Parameter Estimation. Oregon Graduate Institute of Science and ecnology USA. M - 8
ESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR)
SEMINAR NASIONAL PASCASARJANA SAL ESIMASI RAJECORY MOBILE ROBO MENGGUNAKAN MEODE ENSEMBLE KALMAN FILER SQUARE ROO (ENKF-SR) eguh Herlambang Zainatul Mufarrioh Firman Yudianto Program Studi Sistem Informasi
Lebih terperinciPENERAPAN AKAR KUADRAT PADA ENSEMBLE KALMAN FILTER (EnKF) ABSTRAK
PENERAPAN AKAR KUADRA PADA ENSEMBLE KALMAN FILER (EnKF) Jasmir 1, Erna Apriliani 2, Didi Khusnul Arif 3 Email: ijas_1745@yahoo.co.id ABSRAK Ensemble Kalman Filter (EnKF) merupaan salah satu metode untu
Lebih terperinciEstimasi Harga Saham Dengan Implementasi Metode Kalman Filter
Estimasi Harga Saham Dengan Implementasi Metode Kalman Filter eguh Herlambang 1, Denis Fidita 2, Puspandam Katias 2 1 Program Studi Sistem Informasi Universitas Nahdlatul Ulama Surabaya Unusa Kampus B
Lebih 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 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 terperinci- Persoalan nilai perbatasan (PNP/PNB)
PENYELESAIAN NUMERIK PERSAMAAN DIFERENSIAL Persamaan diferensial biasanya digunaan untu pemodelan matematia dalam sains dan reayasa. Seringali tida terdapat selesaian analiti seingga diperluan ampiran
Lebih terperinciTesis ALGORITMA ADAPTIVE COVARIANCE RANK UNSCENTED KALMAN FILTER UNTUK ESTIMASI KEADAAN PADA PERSAMAAN AIR DANGKAL. Oleh:
Tesis ALGORITMA ADAPTIVE COVARIANCE RANK UNSCENTED KALMAN FILTER UNTUK ESTIMASI KEADAAN PADA PERSAMAAN AIR DANGKAL Oleh: Habib Hasbullah NRP. 1209201707 Dosen Pembimbing: Dr. Erna Apriliani, M.Si Abstra
Lebih terperinciBAB III 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 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 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 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 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 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 terperinciMakalah Seminar Tugas Akhir
Maalah Seminar ugas Ahir Simulasi Penapisan Kalman Dengan Kendala Persamaan Keadaan Pada Kasus Penelusuran Posisi Kendaraan (Vehicle racing Problem Iput Kasiyanto [], Budi Setiyono, S., M. [], Darjat,
Lebih terperinciSIMULASI FILTER KALMAN UNTUK ESTIMASI SUDUT DENGAN MENGGUNAKAN SENSOR GYROSCOPE
SIMULASI FILR KALMAN UNUK SIMASI SUDU DNGAN MNGGUNAKAN SNSOR GYROSCOP Wahyudi *), Adhi Susanto **), Sasongo Pramono **), Wahyu Widada ***) Abstact he Kalman filter is a recursive solution to the process
Lebih 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 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 terperinciUniversitas Tanjungpura Jalan Prof. Dr. Hadari Nawawi, Pontianak, Indonesia * Abstrak
POSITRON, Vol. VII, No. (7), Hal. 4 47 ISSN: 3-497 (print) ISSN: 549-936X (online) Model Sederana Gera Osilator dengan Massa Berua Teradap Watu Menggunaan Metode Runge Kutta Yulia Acu a, Boni Palanop Lapanporo
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 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 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 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 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 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 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 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 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 terperinciPENAKSIR RASIO-PRODUK EKSPONENSIAL YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA
PENAIR RAIO-PRODU EPONENIAL YANG EFIIEN UNTU RATA-RATA POPULAI PADA AMPLING ACA BERTRATA Dess Nuralita 1*, Ruam Efendi, Haposan irait 1 Maasiswa Program 1 Matematia Dosen Jurusan Matematia Faultas Matematia
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 terperinciPENAKSIR YANG EFISIEN DARI KOMBINASI PENAKSIR RASIO-PRODUK UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA. Mahasiswa Program S1 Matematika
PEAKIR AG EFIIE DARI KOMIAI PEAKIR RAIO-PRODUK UTUK RATA-RATA POPUAI PADA AMPIG ACAK ERTRATA tevani amosir * Arisman Adnan Haposan irait Maasisa Program Matematia Dosen Jurusan Matematia Faultas Matematia
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 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 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 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 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 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 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( 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 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 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 terperinciKIMIA ANORGANIK (Kode : D-15) PERPINDAHAN MASSA OKSIGEN DARI UDARA KE AIR SUNGAI DAN BIODEGRADASI ZAT ORGANIK DALAM AIR SUNGAI
MKH PEDMPI KIMI ORIK (Kode : D-5) IS : 978-979-533-85-0 PERPIDH MSS OKSIE DRI UDR KE IR SUI D IODERDSI ZT ORIK DM IR SUI Maria Enda Prasadja Program Studi Teni Kimia, Faultas Teni, Universitas Setia udi,
Lebih terperinciALGORITMA ADAPTIVE COVARIANCE RANK UNSCENTED KALMAN FILTER UNTUK ESTIMASI KEADAAN PADA PERSAMAAN AIR DANGKAL
ALGORITMA ADAPTIVE COVARIANCE RANK UNSCENTED KALMAN FILTER UNTUK ESTIMASI KEADAAN PADA PERSAMAAN AIR DANGKAL Habib Hasbullah 1, Erna Apriliani 2 1 Mahasiswa Program Studi S2, Jurusan Matematika, F-MIPA,
Lebih 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 terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Hasil Pengolahan Data Data yang telah berhasil diumpulan oleh penulis di BB BIOGEN diperoleh hasil bobot biji edelai dengan jumlah varietas yang aan diuji terdiri dari 15
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 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 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 terperinciII. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode
3 II. TINJAUAN PUSTAKA 2.1 Analisis Ragam (Anara) Untu menguji esamaan dari beberapa nilai tengah secara sealigus diperluan sebuah teni yang baru yang disebut analisis ragam. Anara adalah suatu metode
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 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 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 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 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 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 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 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 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 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 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini disampaian beberapa pengertian dasar yang diperluan pada bab selanutnya. Selain definisi, diberian pula lemma dan teorema dengan atau tanpa buti. Untu beberapa teorema
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 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 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 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 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 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 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 terperinciKORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK
Jurnal Pengaaran MIPA, Vol. 0 No. Desember 007 ISSN: -097 KORELASI ANARA DUA KELOMPOK VARIABEL KUANIAIF DALAM ANALISIS KANONIK Oleh : Dewi Rachmatin, S.Si., M.Si. Jurusan Pendidian Matematia FPMIPA Universitas
Lebih terperinciBEBERAPA MODIFIKASI METODE NEWTON RAPHSON UNTUK MENYELESAIKAN MASALAH AKAR GANDA. Supriadi Putra, M,Si
BEBERAPA ODIFIKASI ETODE NEWTON RAPHSON UNTUK ENYELESAIKAN ASALAH AKAR GANDA Suriadi Putra,,Si Laboratorium Komutasi Numeri Jurusan atematia Faultas atematia & Ilmu Pengetahuan Alam Universitas Riau Kamus
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 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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bagian landasan teori ini aan dibahas materi-materi aa saja yang menunjang materi yang dibahas ada bab selanjutnya. Adaun materi-materi tersebut adalah analisis variansi, metode
Lebih terperinciMetode Penggerombolan Berhirarki
4 TINJAUAN PUSTAKA Analisis gerombol dalam bidang riset pemasaran sering diistilahan sebagai analisis segmentasi, merupaan alat statistia peubah ganda yang bertujuan untu mengelompoan n indiidu data e
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 terperinciANALISA ALIRAN DAYA DENGAN METODE INJEKSI ARUS PADA SISTEM DISTRIBUSI 20 KV
ANALISA ALIRAN DAA DENGAN METODE INJEKSI ARUS PADA SISTEM DISTRIBUSI 0 K IBG Manuaba 1, Kade Amerta asa 1 Staff pengajar Teni Eletro Faultas Teni Universitas Udayana Kampus Buit Jimbaran, Bali, 80361 Staff
Lebih terperinciDESKRIPSI SISTEM ANTRIAN PADA BANK SULUT MANADO
DESKRIPSI SISTEM ANTRIAN PADA BANK SULUT MANADO 1 Selvia Hana, Tohap Manurung 1 Jurusan Matematia, FMIPA, Universitas Sam Ratulangi Jurusan Matematia, FMIPA, Universitas Sam Ratulangi Abstra Antrian merupaan
Lebih terperinciSah Tidaknya Sidik Ragam. Data Bermasalah. Data Bermasalah PERANCANGAN PERCOBAAN (DATA BERMASALAH)
Sah Tidanya Sidi Ragam PERANCANGAN PERCOBAAN (DATA BERMASALAH) Oleh: Dr. Ir. Dirvamena Boer, M.Sc.Agr. HP: 081 385 065 359 Universitas Haluoleo, Kendari dirvamenaboer@yahoo.com http://dirvamenaboer.tripod.com/
Lebih terperinciMODEL MATEMATIKA KONSENTRASI OKSIGEN TERLARUT PADA EKOSISTEM PERAIRAN DANAU
MDEL MATEMATIKA KNSENTRASI KSIGEN TERLARUT PADA EKSISTEM PERAIRAN DANAU Sutimin Jurusan Matematia, FMIPA Universitas Diponegoro Jl. Prof. H. Soedarto SH Tembalang, Semarang 5075 E-mail: su_timin@yanoo.com
Lebih 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 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 terperinciUji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group
Uji Alternatif Data Terurut Perbandingan antara Uji Joncheere Terpstra dan Modifiasinya Ridha Ferdhiana Statistics Peer Group Jurusan Matematia FMIPA Universitas Syiah Kuala Banda Aceh, Aceh, 23 email:
Lebih 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 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 terperinciBAB III HASIL DAN PEMBAHASAN
15 BAB III HASIL DAN PEMBAHASAN 3.1Relasi Dispersi Pada bagian ini aan dibahas relasi dispersi untu gelombang internal pada fluida dua-lapisan.tinjau lapisan fluida dengan ρ a dan ρ b berturut-turut merupaan
Lebih terperinciBahan Minggu II, III dan IV Tema : Kerangka acuan inersial dan Transformasi Lorentz Materi :
Bahan Minggu II, III dan IV Tema : Keranga auan inersial dan Transformasi Lorent Materi : Terdaat dua endeatan ang digunaan untu menelusuri aedah transformasi antara besaran besaran fisis (transformasi
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 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 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 terperinciPerbandingan Antara Algoritma Penghapusan Bising Adaptif LMS dan Adaptif RLS dalam Penghapusan Bising Kendaraan
Perbandingan Antara Algoritma Penghapusan Bising Adaptif LMS dan Adaptif RLS dalam Penghapusan Bising Kendaraan Sri Arttini Dwi Prasetyowati 1), Adhi Susanto ), homas Sriwidodo ), Jazi Eo Istiyanto 3)
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 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 terperinciSTUDI KOMPARASI IMPLEMENTASI JARINGAN BASIS RADIAL DAN FUZZY INFERENCE SYSTEM TSK UNTUK PENYELESAIAN CURVE FITTING
STUDI KOPARASI IPEENTASI JARINGAN BASIS RADIA DAN FUZZY INFERENCE SYSTE TSK UNTUK PENYEESAIAN CURVE FITTING Sri Kusumadewi Teni Informatia Universitas Islam Indonesia Jl. Kaliurang Km 4,5 Yogyaarta cicie@fti.uii.ac.id
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 terperinciBlind Adaptive Multi-User Detection pada Sistem Komunikasi DS-CDMA dengan Kanal AWGN
Proceeding of Seminar on Intelligent echnology and Its Applications (SIIA ) Institut enologi Sepuluh Nopember, Surabaya, May 7 th, Blind Adaptive Multi-User Detection pada Sistem omuniasi DS-CDMA dengan
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 terperinciMODUL 2.04 Perpindahan Panas Secara Konveksi
MODUL 2.04 Perpindaan Panas Seara Konvesi I. Pendauluan Perpindaan panas adala sala satu fator yang sangat menentuan operasional suatu pabri Kimia. Penyelesaian soal-soal perpindaan alor seara uantitatif
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 terperinciSIMULASI PEMANFAATAN PANAS BUANG CHILLER UNTUK KEBUTUHAN AIR PANAS DI PERHOTELAN
SIMULASI PEMANFAAAN PANAS BUANG CHILLER UNUK KEBUUHAN AIR PANAS DI PERHOELAN Ramat Iman Mainil (1), Afdal Kurniawan Mainil (2) (1) Peneliti Balai Besar Kerami Kementean Pendustan RI, (2) Staf Pengajar
Lebih terperinciIDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR. Gumgum Darmawan Statistika FMIPA UNPAD
JMP : Vol. 9 No. 1, Juni 17, hal. 13-11 ISSN 85-1456 IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR Gumgum Darmawan Statistia FMIPA UNPAD gumgum@unpad.ac.id Budhi Handoo Statistia
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 terperinci