BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING"

Transkripsi

1 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 mengenai penerapan metode Filter Kalman dalam sistem Radar tracing berdasaran pengetahuan yangtelah didapatan dari Bab II sebelumnya. Parameter-parameter yang diperluan dalam hal tracing dimensi aan dipresentasian. Di dalam penelitian ini fator etinggian (h) tida diperhitungan. Setelah metode Filter Kalman diterapan dalam sistem Radar Tracing, maa yang harus dilauan selanjutnya adalah meng-apliasian metode penggabungan trac hasil estimasi Filter Kalman dari setiap Radar untu mendapatan trac gabungan Multi Radar. Apliasi dari metode ini diharapan dapat mengatasi masalah etida onsistenan dan ambiguitas trac hasil Radar Tracing. Pada bagian terahir dari bab ini aan dijelasan secara singat bagaimana membuat model simulasi di dalam program Simulin. III.1. Desain Algoritma Filter Kalman pada Proses Single Tracing Desain dari Filter Kalman harus ditentuan dengan cara memilih onstantaonstanta matris noise proses dan noise penguuran sesuai dengan hasil yang ita harapan. Harga-harga awal yang digunaan dapat mempengaruhi inerja dari Filter Kalman walaupun hanya sediit. Sub bab III.1. aan membahas masalah-masalah penentuan harga-harga matris tersebut. 36

2 Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing Masalah selanjutnya adalah mengenai penyesuaian terhadap oordinat yang dipaai. Sebuah sistem Radar yang memaai metode Filter Kalman beroperasi di atas sistem oordinat Cartesian. Aan tetapi, sistem Radar pada umumnya tida menyediaan penguuran dalam sistem oordinat Cartesian. Radar menguur jara sebuah pesawat udara darinya, r. Juga menentuan sudut antara pesawat udara terhadap Utara stasiun Radar. Permasalahan yang harus diatasi disini adalah mengubah penguuran dan etidapastian penguuran Radar menjadi data yang dapat digunaan sesuai dengan oordinat Cartesian. Hal ini aan dijelasan pada sub bab III.1.3. III.1.1. Penerapan Filter Kalman pada Sistem Radar Tracing Sistem Radar dianggap sebagai sebuah sistem dinami linear watu-disrit yang dimodelan dengan sebuah persamaan diferensial dengan tambahan esalahan yang menggambaran gangguan ta terdetesi. Persamaan watu update Filter Kalman disrit dari pesawat udara yang berecepatan onstan didapatan dengan menggabungan persamaan estimasi gera ecepatan onstan (.4) dan persamaan eadaan Filter Kalman (.14) yang dijelasan pada bab II sebelumnya, dinyataan dalam bentu : ˆ Φˆ (3.1) = Dengan menggunaan persamaan (.4) sebagai model gera ecepatan onstan, maa turunan dari persamaan (.4) terhadap variabel eadaan V = y V y adalah (lihat Lampiran C untu penurunan lengapnya) 37

3 Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing 1 Δt 1 Φ = 1 Δt 1 (3.) Asumsi yang dipaai pada persamaan di atas adalah gera dengan ecepatan onstan dan tanpa input tambahan, sehingga matris B dan G dalam persamaan (.14) dan (.15) yang berfungsi sebagai matris transisi input dan, y V,, V y, mewaili model percepatan tida dimasuan. dan adalah vetor posisi dan ecepatan dalam arah dan y secara berturut-turut dari sebuah obye atau target pada watu. Sedangan Δ t adalah selang watu yang diperluan untu satu putaran radar (dalam hal ini tergantung dari arateristi sistem Radar masing-masing). Sedangan untu mendapatan update dari matris ovarian, persamaan Filter Kalman selanjutnya adalah T P ΦP Φ + Q = (3.3) Untu matris ovariansi noise prosesnya diturunan dari persamaan (.16) [5]: σ σ y Q = (3.4) σ & σ y& dimana : σ, y, &, y& adalah standar deviasi error proses sistem Radar Selanjutnya untu mencapai tujuan dasar dari metode filter ini, yaitu mengestimasi seaurat mungin variabel eadaan target yang sebenarnya dari 38

4 Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing penguuran jara (r) dan sudut (θ) yang ber-noise maa sama seperti persamaan eadaan juga, yang telah dijelasan pada bab II, persamaan penguuran (.9) ditulis sebagai beriut: z = H + w (3.5) Dengan variabel vetor penguuran : z = y, = predisi predisi + noise y = y + noise y (3.6) Dengan y = r = r * cos θ * cos θ (3.7) V Sehingga bila persamaan (3.6) diturunan terhadap vetor eadaan, = y V y maa matris transisi penguurannya : (lihat Lampiran C untu penerapan lengapnya) 1 H = 1 (3.8) Sedangan matris ovarian noise penguuran R diturunan sama seperti matris noise proses [5]: 39

5 Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing σ R = m σ ym (3.9) dimana : σ m y, m adalah standar deviasi error penguuran sistem Radar. III.1.. Penentuan Harga-harga Awal Metode estimasi selalu membutuhan harga awal untu memulai proses filtering yang diperluan. Harga awal dari metode Filter Kalman yang harus ditentuan terdiri dari harga awal vetor eadaan ( ) ( ) ovarian P. ˆ dan harga awal matris Penerapan pratis masalah inisialisasi eadaan di dalam algoritma filtering dijelasan di dalam persamaan-persamaan beriut ini. Semisal ada dua omponen eadaan yaitu posisi ξ dan ecepatan & ξ. Persamaan penguuran posisi nya pada watu e- adalah : ( ) ξ( ) w( ) z = + (3.1) Maa untu nilai yang sesungguhnya ξ ( ) penguuran, = -1, mempunyai noise ( ) N[,R] w (3.11) Dan dengan menganggap T sebagai sampling interval, didapat : ( ) = z() ξˆ (3.1) ξˆ& ( ) () z( ) z 1 = T ( ) dimana z adalah hasil penguuran pada watu = (3.13) 4

6 Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing Dan matris ovarian awal nya adalah [7]: P R R T R T ( ) = R T (3.14) dimana R adalah noise yang berhubungan dengan omponen posisi dan ecepatan di atas. Aan tetapi menurut referensi [7], untu situasi dimana harga awal estimasi tida ditentuan maa proses estimasi masih dapat dilauan dengan matris informasi awal : P 1 ( ) = (3.15) Bila dilihat dari persamaan Filter Kalmannya (3.3), persamaan diatas diturunan dengan asumsi matris Q dianggap mempunyai harga ta hingga (error prosesnya tida dietahui atau besar seali) sehingga P ( ) mempunyai harga juga. III.1.3. Transformasi Error Polar e Error Cartesian Walaupun Filter Kalman dua dimensional memerluan penguuran di dalam oordinat Cartesian, aan tetapi hasil penguuran sistem Radar terhadap posisi obye atau suatu target masih menggunaan oordinat Polar. Untu mengatasi r polar m persoalan ini, maa vetor penguuran z = harus diubah sesuai θ m cartesian m persamaan (3.8) yaitu z =. ym Dalam hal ini matris Φ, H, Q, dan P tida ada hubungannya dengan tata acuan oordinat, sehingga matris-matris tersebut tetap sama harganya. 41

7 Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing Tetapi, arena penguuran ovarian pada error penguuran bentunya dalam oordinat polar, maa persamaan baru harus dibuat. Noise penguuran di dalam posisi dan y dapat diestimasi dengan menurunan persamaan sesuai Gambar III.1 beriut North y θ r East Gambar III.1 : Error Penguuran Polar Dari Gambar III.1 dapat dilihat bahwa error penguuran dalam oordinat Cartesian adalah: σ = σ r cos θ + r sin θσ θ (3.16) σ y = σ r sin θ + r cos θσ θ (3.17) σ y [ σ r r σ θ = 1 sin θ ] (3.18) Matris ovarian error penguuran yang sebelumnya dijelasan pada persamaan (3.8) berubah menjadi [8]: 4

8 Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing R σ σ σ y = y σ y (3.19) Rumus di atas harus digunaan untu memperbaii matris ovarian error penguuran pada model algoritma Filter Kalman yang dipaai dalam tesis ini. III.. Desain Algoritma Trac Fusion pada Proses Multi Radar Tracing Pada penelitian ini, arsitetur penggabungan data dipilih decentralized fusion atau trac fusion dan buan measurement fusion. Pertimbangan nya adalah etia seluruh bandara yang mempunyai sistem Radar di Indonesia telah diintegrasian dan diterapan metode filtering yang sama maa jenis arsitetur inilah yang paling mudah diapliasian. Menurut metode yang telah dipelajari pada Bab II.4. sebelumnya, maa diagram alir dari sistem Multi Radar Tracing yang seharusnya dimodelan adalah seperti pada Gambar III. data Radar Kalman Filter Estimation trac A at time T1 RadarA with T1 revolution Trac Association (etrapolation to system time Ts) System Trac Radar B with T revolution data Radar Kalman Filter Estimation trac B at time T Gambar III. : Diagram Alir Sistem Multi Radar Tracing 43

9 Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing Pertama-tama data penguuran dari setiap Radar diproses dalam proses Radar Kalman Filter yang bertugas untu mengeluaran trac hasil estimasi. Perlu diingat bahwa watu update dari setiap Radar mungin saja berbeda (T1 dan T). Untu itu perlu ditentuan suatu watu sistem (Ts) yang berguna untu mensinronan watu update masing-masing Radar. Biasanya untu watu sistem diambil harga yang sama dengan watu update dari Radar yang paling besar agar esalahan proses estrapolasi dapat dibatasi hanya pada satu hasil estimasi Radar saja. Kemudian trac hasil estimasi setiap Radar digabungan setelah sebelumnya diasosiasian terlebih dahulu dengan meng-estrapolasi data trac-trac tersebut sesuai watu sistem yang telah ditentuan. Ahirnya aan didapatan trac yang buan hasil estimasi dari hanya satu Radar melainan sebuah trac sistem yang merupaan hasil gabungan (fusion) dari dua Radar. Jadi untu sistem Multi Radar Tracing yang memaai hasil penguuran dan estimasi dari dua radar, maa ita dapat memaai persamaan (.1) dan (.) untu menghasilan trac sistem, ˆ, sebagai beriut : system ˆ system system 1 1 ( P ˆ + P ˆ ) = P (3.) RadarA RadarA RadarB RadarB P system ( 1 1 P + P ) 1 = RadarA RadarB (3.1) III.3. Pemodelan di dalam Simulin Desain Filter Kalman yang telah diembangan harus dimodelan dalam sebuah simulasi yang dapat menggambaran sistem Radar Tracing. Dengan program Simulin yang terdapat di dalam Matlab 7 hal ini dapat dilauan secara sistemati. 44

10 Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing Untu mencapai tujuan penelitian ini, maa di dalam tesis ini dibuat dua buah model yang secara umum dapat digunaan untu menguji algoritma Filter Kalman di dalam sistem Single Radar Tracing serta metode penggabungan trac di dalam sistem Multi Radar Tracing Model Simulin pertama yang dibuat untu pengujian algoritma Filter Kalman dalam sistem Single Radar dapat dilihat pada Gambar III.3 Beriut: y position Range Measurements Resid. residual Residuals position Model Gera Pesawat Bearing Cartesian to Polar Est. Pos. Radar Kalman Filter X_hat Est. Position [, dot, y, ydot] Noise Noise Generator Gambar III.3 : Model Simulin untu Sistem Single Radar Di dalam model ini pertama-tama dilauan pembuatan data lintasan pesawat pada blo Model Gera Pesawat. Blo ini bertugas untu membuat lintasan gera pesawat udara yang nantinya seolah-olah aan ditangap oleh sistem Radar sebagai suatu target. Lintasan gera pesawat udara yang dihasilan oleh blo ini masih berbentu oordinat posisi di dalam oordinat Cartesian. Karena hasil penguuran Radar yang sebenarnya berbentu oordinat posisi dalam oordinat polar, maa oordinat posisi (,y) yang dihasilan oleh blo Model Gera Pesawat diubah dulu e dalam oordinat polar oleh blo Cartesian to Polar sehingga didapatan oordinat posisi pesawat udara dalam bentu oordinat polar (range dan bearing). 45

11 Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing Kemudian sebelum masu e dalam blo Radar ( ditangap oleh sistem Radar ), pada oordinat posisi yang dihasilan ditambahan onstanta noise penguuran oleh blo Noise Generator. Noise yang dihasilan oleh blo ini bersifat random dan white. Koordinat posisi inilah yang nantinya dibaca oleh blo Radar sebagai hasil penguuran dari sistem Radar. Di dalam blo Radar, hasil penguuran (measurement) aan diolah oleh algoritma Filter Kalman yang telah diset sesuai dengan desain yang telah ita buat. Hasil dari blo ini adalah dua buah variabel yang aan dijadian bahan analisis yaitu residuals dan Est. Position. Variabel residual adalah hasil pengurangan antara nilai posisi hasil estimasi dengan nilai penguuran dari Radar dan variabel Est. Position adalah hasil estimasi posisi, y dan ecepatan V,. V y Pemodelan sistem Multi Radar Tracing diembangan dari model sistem Single Radar Tracing sebelumnya. Model Simulin untu sistem Multi Radar Tracing dimulai dengan blo Model Gera Pesawat seperti pada sistem Single Radar Tracing. (lihat Gambar III.4) 46

12 Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing Gambar III.4 : Model Simulin untu Sistem Multi Radar Tracing 47

13 Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing Selanjutnya data lintasan gera pesawat udara yang telah diubah e dalam oordinat polar diterusan e dua blo sistem yang mewaili dua sistem Single Radar Tracing berisi algoritma Kalman Filter. Sebelumnya data lintasan gera pesawat udara diberi noise yang berlainan antara dua blo sistem Radar. Hal ini dilauan untu merepresentasian hasil penguuran yang berbeda antara dua sistem Radar. Blo Radar Kalman Filter di dalam model Simulin ini sediit berbeda dengan model Simulin yang pertama, arena pada model sistem Multi Radar Tracing ini, blo Radar alman Filter selain menghasilan trac estimasi, juga ditambahan suatu nilai watu (time stamp) yang berguna untu menandai hasil estimasi sistem Radar pada watu saat data trac itu dieluaran dengan mengiuti watu update sistem Radar tersebut. Time stamp tiap Radar nilainya berbeda tergantung watu update yang telah diset pada sistem Radar masing-masing. Hasil estimasi dan nilai watu dari tiap blo Radar emudian digabungan di dalam blo Multi Radar yang berisi proses assosiasi data trac dan algoritma penggabungan trac (fusion) seperti yang dijelasan pada bab III.. Ahirnya blo Multi Radar ini mengeluaran hasil penggabungan trac yang disebut System Tracs III.4. Ringasan Bab III Pada awal bab ini telah dijelasan bagaimana algoritma Filter Kalman didesain seperti yang diinginan dengan menentuan harga-harga matris ovarian noise Q dan R serta menentuan harga awal vetor eadaan ˆ dan harga ( ) awal matris ovarian P. Error penguuran Radar yang masih dalam oordinat polar harus diubah e dalam oordinat Cartesian agar matris ovarian noise penguuran nya dapat ditentuan dengan benar. ( ) 48

14 Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing Selanjutnya telah ditentuan pula arsitetur dan algoritma penggabungan trac yang dipaai dalam tesis ini yaitu arsitetur decentralized fusion dengan metode penggabungan trac Sensor e Sensor. Pemodelan oleh Simulin dibuat sedemiian rupa agar dapat dengan mudah dimengerti dan pengujian model yang aan dilauan pada Bab IV selanjutnya dapat dilauan dengan mudah. Model yang dibuat dalam Simulin terdiri dari dua macam model yaitu model untu sistem Single Radar Tracing dan model dengan sistem Multi Radar Tracing. 49

BAB II DASAR TEORI. II.1. Pendahuluan

BAB 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 terperinci

BAB IV PENGUJIAN ALGORITMA TRACKING

BAB IV PENGUJIAN ALGORITMA TRACKING BAB IV PENGUJIAN ALGORITMA TRACKING Pada Bab III sebelumnya telah dijelaskan mengenai pemodelan dalam Simulink yang dibuat untuk menguji algoritma Filter Kalman dalam sistem Radar Tracking dan juga algoritma

Lebih terperinci

Makalah Seminar Tugas Akhir

Makalah 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 terperinci

BAB II LANDASAN TEORI

BAB 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

ESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR)

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 terperinci

Makalah Seminar Tugas Akhir

Makalah 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 terperinci

BAB II TINJAUAN PUSTAKA

BAB 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 terperinci

BAB 2 TEORI PENUNJANG

BAB 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 terperinci

Estimasi Harga Saham Dengan Implementasi Metode Kalman Filter

Estimasi 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 terperinci

DESAIN SENSOR KECEPATAN BERBASIS DIODE MENGGUNAKAN FILTER KALMAN UNTUK ESTIMASI KECEPATAN DAN POSISI KAPAL

DESAIN 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 terperinci

BAB 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 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 terperinci

SIMULASI FILTER KALMAN UNTUK ESTIMASI SUDUT DENGAN MENGGUNAKAN SENSOR GYROSCOPE

SIMULASI 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 terperinci

PENERAPAN AKAR KUADRAT PADA ENSEMBLE KALMAN FILTER (EnKF) ABSTRAK

PENERAPAN 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 terperinci

Estimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga

Estimasi 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 terperinci

BAB IV APLIKASI PADA MATRIKS STOKASTIK

BAB 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 terperinci

Pengantar Penerjemah. Daftar Istilah

Pengantar 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 terperinci

MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM

MODEL 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 terperinci

BAB III METODE SCHNABEL

BAB III METODE SCHNABEL BAB III METODE SCHNABEL Uuran populasi tertutup dapat diperiraan dengan teni Capture Mar Release Recapture (CMRR) yaitu menangap dan menandai individu yang diambil pada pengambilan sampel pertama, melepasan

Lebih terperinci

Seminar Tesis AKAR KUADRAT ENSEMBLE KALMAN FILTER (AK-EnKF) UNTUK ESTIMASI POSISI PELURU KENDALI

Seminar 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak

SISTEM 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 terperinci

PENDAHULUAN TINJAUAN PUSTAKA

PENDAHULUAN 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

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER

SISTEM 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 terperinci

Pendeteksi Rotasi Menggunakan Gyroscope Berbasis Mikrokontroler ATmega8535

Pendeteksi Rotasi Menggunakan Gyroscope Berbasis Mikrokontroler ATmega8535 Maalah Seminar Tugas Ahir Pendetesi Rotasi Menggunaan Gyroscope Berbasis Miroontroler ATmega8535 Asep Mubaro [1], Wahyudi, S.T, M.T [2], Iwan Setiawan, S.T, M.T [2] Jurusan Teni Eletro, Faultas Teni, Universitas

Lebih terperinci

BAB 3 LANGKAH PEMECAHAN MASALAH

BAB 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 terperinci

Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming

Penempatan 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 terperinci

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI

PENYELESAIAN 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 terperinci

Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman

Estimasi 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 terperinci

PENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB

PENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB PENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB Wirda Ayu Utari Universitas Gunadarma utari.hiaru@gmail.com ABSTRAK Program pengenalan pola ini merupaan program yang dibuat

Lebih terperinci

4. 1 Spesifikasi Keadaan dari Sebuah Sistem

4. 1 Spesifikasi Keadaan dari Sebuah Sistem Dalam pembahasan terdahulu ita telah mempelajari penerapan onsep dasar probabilitas untu menggambaran sistem dengan jumlah partiel ang cuup besar (N). Pada bab ini, ita aan menggabungan antara statisti

Lebih terperinci

ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoko Sumaryono ABSTRACT

ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoko Sumaryono ABSTRACT Jurnal Teni Eletro Vol. 3 No.1 Januari - Juni 1 6 ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoo Sumaryono ABSTRACT Noise is inevitable in communication

Lebih terperinci

Optimasi Non-Linier. Metode Numeris

Optimasi 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 terperinci

Aplikasi diagonalisasi matriks pada rantai Markov

Aplikasi 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 terperinci

Makalah Seminar Tugas Akhir. Aplikasi Kendali Adaptif pada Pengendalian Plant Pengatur Suhu dengan Self Tuning Regulator (STR)

Makalah 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 terperinci

Sensitivitas Metode Ensemble Kalman Filter untuk Mendeteksi Gangguan pada Masalah Konduksi Panas Satu Dimensi

Sensitivitas 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 terperinci

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK

PENYELESAIAN 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 terperinci

Transformasi Wavelet Diskret Untuk Data Time Series

Transformasi 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 terperinci

KONTROL MOTOR PID DENGAN KOEFISIEN ADAPTIF MENGGUNAKAN ALGORITMA SIMULTANEOUS PERTURBATION

KONTROL 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

Kumpulan soal-soal level seleksi Kabupaten: Solusi: a a k

Kumpulan soal-soal level seleksi Kabupaten: Solusi: a a k Kumpulan soal-soal level selesi Kabupaten: 1. Sebuah heliopter berusaha menolong seorang orban banjir. Dari suatu etinggian L, heliopter ini menurunan tangga tali bagi sang orban banjir. Karena etautan,

Lebih terperinci

BAB III MODEL KANAL WIRELESS

BAB III MODEL KANAL WIRELESS BAB III MODEL KANAL WIRELESS Pemahaman mengenai anal wireless merupaan bagian poo dari pemahaman tentang operasi, desain dan analisis dari setiap sistem wireless secara eseluruhan, seperti pada sistem

Lebih terperinci

ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER

ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER Oleh: Supardi SEKOLAH PASCA SARJANA JURUSAN ILMU FISIKA UNIVERSITAS NEGERI YOGYAKARTA 2012 1 PENDAHULUAN Liquid Crystal elastomer (LCE

Lebih terperinci

PENENTUAN FAKTOR KALIBRASI ACCELEROMETER MMA7260Q PADA KETIGA SUMBU

PENENTUAN 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 terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 6 BAB 2 LANDASAN TEORI 2.1 Penjadwalan 2.1.1 Jadwal Secara Umum Menurut Kamus Besar Bahasa Indonesia (KBBI), jadwal adalah pembagian watu berdasaran rencana pengaturan urutan erja, daftar atau tabel egiatan

Lebih terperinci

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway

Penentuan 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 terperinci

KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE

KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE Warih Maharani Faultas Teni Informatia, Institut Tenologi Telom Jl. Teleomuniasi No.1 Bandung 40286 Telp. (022) 7564108

Lebih terperinci

PENDETEKSIAN GERAK TANGAN MANUSIA SEBAGAI INPUT PADA KOMPUTER

PENDETEKSIAN GERAK TANGAN MANUSIA SEBAGAI INPUT PADA KOMPUTER PENDETEKSIAN GERAK TANGAN MANUSIA SEBAGAI INPUT PADA KOMPUTER Wiaria Gazali 1 ; Haryono Soeparno 2 1 Jurusan Matematia, Faultas Sains dan Tenologi, Universitas Bina Nusantara Jln. K.H. Syahdan No. 9, Palmerah,

Lebih terperinci

BAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT.

BAB 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 terperinci

Estimasi Posisi Magnetic Levitation Ball Menggunakan Metode Akar Kuadrat Ensemble Kalman Filter (AK-EnKF)

Estimasi 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 terperinci

Disain dan Implementasi Kontrol PID Model Reference Adaptive Control untuk Automatic Safe Landing Pada Pesawat UAV Quadcopter

Disain dan Implementasi Kontrol PID Model Reference Adaptive Control untuk Automatic Safe Landing Pada Pesawat UAV Quadcopter JURNAL TEKNIK POMITS Vol., No., () 6 Disain dan Implementasi Kontrol PID Model Reference Adaptive Control untu Automatic Safe Landing Pada Pesawat UAV Quadcopter Teddy Sudewo, Ea Isandar, dan Katju Astrowulan

Lebih terperinci

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika

khazanah 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 terperinci

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika

khazanah 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 terperinci

Soal-Jawab Fisika OSN x dan = min. Abaikan gesekan udara. v R Tentukan: a) besar kelajuan pelemparan v sebagai fungsi h. b) besar h maks.

Soal-Jawab Fisika OSN x dan = min. Abaikan gesekan udara. v R Tentukan: a) besar kelajuan pelemparan v sebagai fungsi h. b) besar h maks. Soal-Jawab Fisia OSN - ( poin) Sebuah pipa silinder yang sangat besar (dengan penampang lintang berbentu lingaran berjarijari R) terleta di atas tanah. Seorang ana ingin melempar sebuah bola tenis dari

Lebih terperinci

Variasi Spline Kubik untuk Animasi Model Wajah 3D

Variasi 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 terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.1 Keranga Pemiiran Pemerintah ahir-ahir ini sering dihadapan pada masalah persediaan pupu bersubsidi yang daya serapnya rendah dan asus elangaan di berbagai loasi di Indonesia.

Lebih terperinci

PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT

PENCARIAN 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 terperinci

Kata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan

Kata 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 terperinci

Materi. Menggambar Garis. Menggambar Garis 9/26/2008. Menggambar garis Algoritma DDA Algoritma Bressenham

Materi. Menggambar Garis. Menggambar Garis 9/26/2008. Menggambar garis Algoritma DDA Algoritma Bressenham Materi IF37325P - Grafia Komputer Geometri Primitive Menggambar garis Irfan Malii Jurusan Teni Informatia FTIK - UNIKOM IF27325P Grafia Komputer 2008 IF27325P Grafia Komputer 2008 Halaman 2 Garis adalah

Lebih terperinci

SKEMA AKAR KUADRAT DALAM UNSCENTED KALMAN FILTER UNTUK MENDETEKSI KERAK PADA ALAT PENUKAR PANAS

SKEMA 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 terperinci

ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT

ANALISA 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 terperinci

KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN

KENDALI 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 terperinci

APLIKASI 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 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 terperinci

Model Pembelajaran Off-Line Menggunakan Jaringan Syaraf Tiruan Untuk Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teknik Elektronika PENS 2009

Model Pembelajaran Off-Line Menggunakan Jaringan Syaraf Tiruan Untuk Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teknik Elektronika PENS 2009 Model Pembelaaran Off-Line Menggunaan Jaringan Syaraf Tiruan Untu Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teni Eletronia PENS 2009 Arie Setya Wulandari#, Eru Puspita S.T., M.Kom#2 # Jurusan

Lebih terperinci

PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA

PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA Iing Mutahiroh, Fajar Saptono, Nur Hasanah, Romi Wiryadinata Laboratorium Pemrograman dan Informatia

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 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 terperinci

BAB V ALGORITMA PEMBELAJARAN DALAM JARINGAN SYARAF TIRUAN

BAB V ALGORITMA PEMBELAJARAN DALAM JARINGAN SYARAF TIRUAN BAB V ALGORITMA PEMBELAJARAN DALAM JARINGAN SYARAF TIRUAN Kompetensi : 1. Mahasiswa memahami onsep pembelaaran dalam JST Sub Kompetensi : 1. Dapat mengetahui prinsip algoritma Perceptron 2. Dapat mengetahui

Lebih terperinci

Studi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya

Studi 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 terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 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 terperinci

Tesis 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: 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 terperinci

BAB VII ALGORITMA GENETIKA

BAB VII ALGORITMA GENETIKA BAB VII ALGORITMA GENETIKA Kompetensi : 1. Mahasiswa memahami onsep Algoritma Genetia Sub Kompetensi : 1. Dapat mengerti dasar metode Algoritma Genetia 2. Dapat memahami tahapan operator dalam Algoritma

Lebih terperinci

Kumpulan soal-soal level seleksi provinsi: solusi:

Kumpulan soal-soal level seleksi provinsi: solusi: Kumpulan soal-soal level selesi provinsi: 1. Sebuah bola A berjari-jari r menggelinding tanpa slip e bawah dari punca sebuah bola B berjarijari R. Anggap bola bawah tida bergera sama seali. Hitung ecepatan

Lebih terperinci

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang

( 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 terperinci

BAB III. dan menghamburkan

BAB III. dan menghamburkan BAB III MODEL GELOMBANG DAN MODEL ARUS III... Model Numeri Medan Gelombang Untu dapat menggambaran ondisi pola arus di daerah pantai ang diaibatan oleh gelombang maa ita harus dapat mengetahui ondisi medan

Lebih terperinci

BAB III METODE PENELITIAN (BAHAN DAN METODE)

BAB III METODE PENELITIAN (BAHAN DAN METODE) BAB III METODE PENELITIAN (BAHAN DAN METODE) Tahapan-tahapan pengerjaan yang dilauan dalam penelitian ini adalah sebagai beriut : 1. Tahap Persiapan Penelitian Pada tahapan ini aan dilauan studi literatur

Lebih terperinci

KAJIAN PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE FACE-ARG DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

KAJIAN PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE FACE-ARG DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Media Informatia, Vol. 5, No. 2, Desember 2007, 99-111 ISSN: 0854-4743 KAJIAN PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE FACE-ARG DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Anita Desiani Jurusan Matematia,

Lebih terperinci

PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Wahyudi, Sorihi, dan Iwan Setiawan. Jurusan Teni Eletro Faultas Teni Universitas Diponegoro Semarang e-mail : wahyuditinom@yahoo.com.

Lebih terperinci

Pemodelan Dan Eksperimen Untuk Menentukan Parameter Tumbukan Non Elastik Antara Benda Dengan Lantai

Pemodelan Dan Eksperimen Untuk Menentukan Parameter Tumbukan Non Elastik Antara Benda Dengan Lantai Pemodelan Dan Esperimen Untu enentuan Parameter Tumbuan Non Elasti Antara Benda Dengan Lantai Puspa onalisa,a), eda Cahya Fitriani,b), Ela Aliyani,c), Rizy aiza,d), Fii Taufi Abar 2,e) agister Pengajaran

Lebih terperinci

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS Jurnal Teni dan Ilmu Komputer ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS AN ANALYSIS OF THE VARIATION PARAMETERS OF THE ARTIFICIAL NEURAL NETWORK

Lebih terperinci

PADA. Oleh Ferryanto Chandra Program Studi Magister dan Doktor Teknik Penerbangan Fakultas Teknologi Industri Institut Teknologi Bandung

PADA. Oleh Ferryanto Chandra Program Studi Magister dan Doktor Teknik Penerbangan Fakultas Teknologi Industri Institut Teknologi Bandung APLIKASI ALGORITMA FILTERING PADA SISTEM MULTI RADAR TRACKING Oleh Ferryanto Chandra 23604004 Program Studi Magister dan Doktor Teknik Penerbangan Fakultas Teknologi Industri Institut Teknologi Bandung

Lebih terperinci

Dalam setiap sub daerah, pilih suatu titik P k (x k, y k ) dan bentuklah jumlah :

Dalam setiap sub daerah, pilih suatu titik P k (x k, y k ) dan bentuklah jumlah : INTEGAL GANDA Integral untu ungsi satu variable ita membentu suatu partisi dari interval [ab] menjadi interval-interval ang panjangna Δ = 3.n b a d lim n n Dengan cara ang sama Kita deinisian integral

Lebih terperinci

Neural Network menyerupai otak manusia dalam dua hal, yaitu:

Neural Network menyerupai otak manusia dalam dua hal, yaitu: 2.4 Artificial Neural Networ 2.4.1 Konsep dasar Neural Networ Neural Networ (Jaringan Saraf Tiruan) merupaan prosesor yang sangat besar dan memilii ecenderungan untu menyimpan pengetahuan yang bersifat

Lebih terperinci

VISUALISASI GERAK PELURU MENGGUNAKAN MATLAB

VISUALISASI GERAK PELURU MENGGUNAKAN MATLAB KARYA TULIS ILMIAH VISUALISASI GERAK PELURU MENGGUNAKAN MATLAB Oleh: Drs. Ida Bagus Alit Paramarta, M.Si. Dra. I.G.A. Ratnawati, M.Si. JURUSAN FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS

Lebih terperinci

MEKANIKA TANAH HIDROLIKA TANAH DAN PERMEABILITAS MODUL 3

MEKANIKA TANAH HIDROLIKA TANAH DAN PERMEABILITAS MODUL 3 MEKANIKA TANAH MODUL 3 HIDROLIKA TANAH DAN PERMEABILITAS UNIVERSITAS PEMBANGUNAN JAYA Jl. Boulevard Bintaro Setor 7, Bintaro Jaya Tangerang Selatan 15224 Silus hidrologi AIR TANAH DEFINISI : air yang terdapat

Lebih terperinci

IMPLEMENTASI DAN ANALISIS ALGORITMA PENCARIAN RUTE TERPENDEK DI KOTA SURABAYA

IMPLEMENTASI DAN ANALISIS ALGORITMA PENCARIAN RUTE TERPENDEK DI KOTA SURABAYA 94 IMPLEMENTASI DAN ANALISIS ALGORITMA PENCARIAN RUTE TERPENDEK DI KOTA SURABAYA Yudhi Purwananto 1, Diana Purwitasari 2, Agung Wahyu Wibowo Jurusan Teni Informatia, Institut Tenologi Sepuluh Nopember

Lebih terperinci

tidak mempunyai fixed mode terdesentralisasi, dapat dilakukan dengan memberikan kompensator terdesentralisasi. Fixed mode terdesentralisasi pertama

tidak mempunyai fixed mode terdesentralisasi, dapat dilakukan dengan memberikan kompensator terdesentralisasi. Fixed mode terdesentralisasi pertama BB IV PENGENDLIN TERDESENTRLISSI Untu menstabilan sistem yang tida stabil, dengan syarat sistem tersebut tida mempunyai fixed mode terdesentralisasi, dapat dilauan dengan memberian ompensator terdesentralisasi.

Lebih terperinci

MODEL MATEMATIKA KONSENTRASI OKSIGEN TERLARUT PADA EKOSISTEM PERAIRAN DANAU

MODEL 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 terperinci

BAB III METODE PENELITIAN (BAHAN DAN METODE)

BAB III METODE PENELITIAN (BAHAN DAN METODE) BAB III METODE PENELITIAN (BAHAN DAN METODE) Tahapan-tahapan pengerjaan yang dilauan dalam penelitian ini adalah sebagai beriut : 1. Tahap Persiapan Penelitian Pada tahapan ini aan dilauan studi literatur

Lebih terperinci

Desain Kontroler Tunggal Untuk Meredam Osilasi Multi Frekuensi Pada Sistem Skala Besar

Desain 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 terperinci

KORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak

KORELASI 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 terperinci

BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA

BAB 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 terperinci

BAB VII. RELE JARAK (DISTANCE RELAY)

BAB VII. RELE JARAK (DISTANCE RELAY) BAB VII. RELE JARAK (DISTANCE RELAY) 7.1 Pendahuluan. Rele jara merespon terhadap banya inputsebagai fungsi dari rangaian listri yang panjang (jauh) antara loasi rele dengan titi gangguan. Karena impedansi

Lebih terperinci

BAB 2 LANDASAN TEORI. relevan, lengkap, dan terkini sejalan dengan permasalahan yang dihadapi. Di sini juga

BAB 2 LANDASAN TEORI. relevan, lengkap, dan terkini sejalan dengan permasalahan yang dihadapi. Di sini juga BAB 2 LANDASAN TEORI Dalam landasan teori ini, pada dasarnya aan dielasan mengenai teori yang relevan, lengap, dan terini sealan dengan permasalahan yang dihadapi. Di sini uga terdapat hubungan antara

Lebih terperinci

APLIKASI TAPIS KALMAN PADA PENGUBAHAN DATA IMU MENJADI DATA NAVIGASI

APLIKASI TAPIS KALMAN PADA PENGUBAHAN DATA IMU MENJADI DATA NAVIGASI Seminar Nasional enologi Informasi & Komuniasi erapan (Semanti ) ISBN 979-6-55- APLIKASI APIS KALMAN PADA PENGUBAHAN DAA IMU MENJADI DAA NAVIGASI Wahu Widada dan Wahudi Lembaga Penerbangan dan Antarisa

Lebih terperinci

Rekayasa Elektrika. Jurnal DESEMBER 2017 VOLUME 13 NOMOR 3. TERAKREDITASI RISTEKDIKTI No. 36b/E/KPT/2016

Rekayasa Elektrika. Jurnal DESEMBER 2017 VOLUME 13 NOMOR 3. TERAKREDITASI RISTEKDIKTI No. 36b/E/KPT/2016 TERAKREDITASI RISTEKDIKTI No. 36b/E/KPT/206 Jurnal Reayasa Eletria VOLUME 3 NOMOR 3 DESEMBER 207 Pengenal Geraan dengan Joystic Aselerometer Menggunaan Filter Kalman Khoirudin Fathoni dan Dhidi Prastiyanto

Lebih terperinci

Tanggapan Waktu Alih Orde Tinggi

Tanggapan 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 terperinci

BAB I PENDAHULUAN. I.1. Sistem Air Traffic Control (ATC)

BAB I PENDAHULUAN. I.1. Sistem Air Traffic Control (ATC) BAB I PENDAHULUAN I.1. Sistem Air Traffic Control (ATC) Sistem Air Traffic Control (ATC) merupakan sistem kompleks yang melibatkan sumber daya manusia, lembaga otoritas, manajemen, prosedur operasi dan

Lebih terperinci

INTEGRAL 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. 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 terperinci

Sistem Navigasi Perjalanan Berbasis Web Dengan Algoritma Koloni Semut (Ant Colony Algorithm)

Sistem Navigasi Perjalanan Berbasis Web Dengan Algoritma Koloni Semut (Ant Colony Algorithm) Sistem Navigasi Perjalanan Berbasis Web Dengan Algoritma Koloni Semut (Ant Colony Algorithm) Arna Fariza 1, Entin Martiana 1, Fidi Wincoo Putro 2 Dosen 1, Mahasiswa 2 Politeni Eletronia Negeri Surabaya

Lebih terperinci

Dosen Jurusan Teknik Elektro Industri 2 3

Dosen Jurusan Teknik Elektro Industri 2 3 RANCANG BANGUN SISTEM PENGAMAN DAN MONITORING MOTOR SINKRON TIGA FASA ( HARDWARE ) Ir. Gigih Prabowo, MT. 1, Ir. Era Purwanto,M.Eng. 2, Arif Darmawan 3 1 Dosen Jurusan Teni Eletro Industri 2 Dosen Jurusan

Lebih terperinci

BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN

BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN Berdasaran asumsi batasan interval pada bab III, untu simulasi perhitungan harga premi pada titi esetimbangan, maa

Lebih terperinci