Hasil Pencarian  ::  Simpan CSV :: Kembali

"Perkembangan teknologi masa kini membuat kecepatan kendaraan berkembang semakin tinggi. Ini menyebabkan diperlukannya sistem keamanan yang canggih untuk dapat memberikan keamanan yang terjamin kepada kendaraan tersebut. Kendaraan yang memiliki kecepatan tinggi akan memiliki perilaku yaw dan sudut side slip yang berubah saat melakukan manuver tergantung dari sudut kemudi yang diberikan oleh pengemudi. Perubahan nilai yaw rate dan sudut side slip harus mengacu pada setpoint yang telah ditentukan. Jika tidak maka kendaraan menjadi tidak stabil dan tidak dapat dikendalikan. Oleh karena itu diperlukan sebuah pengendali cerdas yang mampu mengendalikan sistem multivariabel, yang mampu bekerja dengan batasan tertentu dan mampu menangani karakteristik sistem dinamik kendaraan roda empat yang nonlinear. Pada penelitian ini digunakan pengendali model predictive control (MPC) pada sistem multivariabel. Pengendali MPC merupakan pengendali yang menggunakan model proses secara eksplisit dalam penghitungan sinyal kendalinya. Model linier digunakan untuk menghitung prediksi keluaran sistem nonlinier dan menghitung besar sinyal kendali agar keluaran sistem nonlinier sesuai dengan acuan. Agar besar kesalahan prediksi keluaran dari model dan keluaran sesungguhnya dari sistem dapat diminimalisasi maka digunakan model ruang keadaan multimodel yang diperoleh melalui metode identifikasi least square. Model yang diperoleh dari hasil identifikasi dapat digunakan untuk pengendalian MPC sebab memiliki nilai 𝐽𝑒𝑒 dan FPE yang rendah, nilai eigen berada di dalam unit circle, serta memiliki sifat fully controllable dan fully observable. Pengendali MPC berbasis singlemodel linear kemudian dirancang untuk mengendalikan sistem dinamik kendaraan roda empat yang bersifat MIMO (multi input multi output), dengan keluaran berupa sudut side slip dan yaw rate, sedangkan pengendali MPC berbasis multimodel linear dirancang untuk mengendalikan sistem dinamik kendaraan roda empat yang bersifat MISO (multi input single output), dengan keluaran berupa yaw rate. Untuk memperoleh pengendalian yang terbaik, pengendali MPC disimulasikan pada sistem linear dan nonlinear. Variasi nilai 𝐻𝑝, 𝐻𝑢, Q, dan R diberikan untuk mengetahui pengaruh perubahan nilai parameter pengendali MPC terhadap karakteristik sinyal kendali masukan dan sinyal respon keluaran sistem, serta waktu komputasi dan nilai loss function

---

The development of current technology makes developing vehicle speed more higher than before. This case led to the need for sophisticated security system can provide guaranteed security to the vehicle. Vehicles which have a fairly high speed will have the behavior of the yaw and side slip angle of the body when performing maneuvers that change depending on the steering angle is given by the driver. Changes in the value of yaw rate and side slip angle of the body must refer to a predetermined setpoint. If not, then the vehicle becomes unstable and can not be controlled. Therefore we need an intelligent controller capable of controlling multivariable system, which is able to work with certain restrictions and able to handle the dynamic system characteristics of four-wheel drive nonlinear. This research are used a model predictive controller control (MPC) on multivariable system. MPC controller is a controller that use a process model explicitly in the calculation of control signals. Linear model is used to calculate the output prediction of nonlinear systems and control signals in order to calculate the output nonlinear systems in accordance with reference. In order for the prediction errors of the model output and the actual output of the system can be minimized then used multimodel state space model that obtained through the method of least squares identification. Models that obtained from the identification could be used to control because the MPC has 𝐽𝑒𝑒 and FPE values are low, the eigen values are inside the unit circle, and has a fully controllable properties and fully observable. MPC controller bases linear singlemodel then designed for controlling dynamic system four-wheeled vehicle that is MIMO (multi-input multi-output), the output are side slip angle and yaw rate, while the MPC controller bases linear multimodel is designed to control the dynamical system of four-wheel vehicle is MISO (multiple input single output), with the output is yaw rate. To obtain the best control, the MPC controller is simulated in linear and nonlinear systems. The variations of 𝐻𝑝, 𝐻𝑢, Q, and R value are given to determine the effect of changes in the value of the MPC controller parameters on the characteristics of the control signal input and signal output response system, as well as the computational time and the value of loss function."

"

Sistem pengereman adalah salah satu sistem pengaman utama pada kendaraan roda empat dan membutuhkan perhatian khusus dalam pemantauan dan pemeliharaannya. Terdapat banyak faktor yang dapat mengakibatkan komponen sistem ini mengalami potensi kegagalan, salah satunya adalah karakter pengereman yang tidak baik. Pengembangan aplikasi android dengan konsep internet of things (IoT) dan cloud server ini bertujuan untuk mengetahui prediksi sisa masa hidup kampas dan cakram rem serta analisis kenaikan temperatur proses pengereman menggunakan data yang diambil menggunakan raspberry pi 3 B+ melalui OBD II port serta menggunakan pendekatan energi pengereman dari grafik kecepatan terhadap waktu. Hasilnya adalah aplikasi berhasil melakukan akuisisi data dan melakukan analisis, meskipun masih ada rata-rata 3,047 % error rate. Analisis pada aplikasi menyimpulkan periode waktu pemeliharaan komponen kritikal sistem pengereman harus disesuaikan untuk setiap pengguna karena rata-rata pengurangan masa hidup komponen berbeda pada setiap variasi karakter pengereman dengan hasil 20 kilometer per hari untuk kondisi 1 (pengereman yang baik), 25 kilometer per hari untuk kondisi 2 (pengereman yang kurang baik), dan 44 kilometer per hari untuk kondisi 3 (pengereman yang tidak baik).

 

---

Brake System is one of the most essential system for four-wheeler safety and drivers tend to strictly follow the service manual book for maintenance or replacement. However, brake system condition should be checked regularly because many factors contributing to the accelerated wear rate and other potential failure, one of them is bad braking behavior. The development of this android-based application with internet of things and cloud server concept has the objective to perform life expectancy of disc and pad life also temperature rise increase analysis to determine the condition of brake system according to daily data acquired using raspberry pi 3 B+ via OBD II port with the use of braking energy approach from velocity versus time graph. The results are the application system successfully do data acquisition and run all analysis, although the average error rate is around 3,047 %. The output of the analysis concluded that time interval or period of four-wheeler brake system maintenance must be adjusted because the decreasing of life expectancy for braking character variation are different with the result as follows; 20 kilometer per day for condition 1 (good braking character), 25 kilometer per day for condition 2 (average braking character), and 44 kilometer per day for condition 3 (bad braking character).

 

"

"Dari pemeriksaan MRI, diperoleh gambar jaringan otak, yang akan digunakan oleh proton MRS untuk menentukan konsentrasi metabolit otak pada jaringan yang didiagnosa astrocytoma, seperti metabolit NAA, choline, creatine, Lipid, Lactate, Myoinositol, dan Glutamine-glutamate. Dari hasil MRS ini, astrocytoma dapat diklasifikasi berdasarkan derajat keganasannya (grade), yaitu high grade dan low grade. Proses klasifikasi astrocytoma, biasa dilakukan secara manual oleh ahli patologi atau secara statistik. Dalam skripsi ini, akan dibahas proses klasifikasi astrocytoma menjadi tiga kelas derajat keganasan dengan menggunakan metode Principal Component Analysis (PCA) dan Spherical K-Means terhadap data MRS. Algoritma Spherical K-Means merupakan algoritma K- Means dengan cosine similarity. Sedangkan PCA merupakan teknik yang digunakan untuk mencari vektor-vektor basis subruang tiap kelas (grade). Vektor-vektor basis ini akan membangun Principal Component yang akan digunakan dalam pengidentifikasian grade suatu data MRS. Data yang digunakan dalam skripsi ini adalah data yang berasal dari laboratorium radiologi Rumah Sakit Cipto Mangunkusumo (RSCM), Jakarta. Hasil penelitian yang dilakukan pada skripsi ini, diketahui bahwa PCA dapat mengklasifikasi astrocytoma dengan akurasi tertinggi, yaitu 85%. Selain itu, dari penelitian ini dihasilkan perangkat lunak yang dapat digunakan untuk membantu pengambilan keputusan yang terkait dengan klasifikasi astrocytoma menjadi high grade, low grade, dan normal.

---

MRI gives information in form of brain tissue image, which will be used by MRS proton to determine the concentration of brain metabolites on the astrocytoma diagnosed tissue, such as NAA, choline (Cho), creatine (Cr), Lipid (Lip), Lactate (Lac), Myoinositol (MI), and Glutamine-glutamate (Glx). From that result, astrocytoma could be classified to high grade and low grade. This classifying could be processed manually by pathologist, or be processed statistically. On this essay, astrocytoma would be classified into three class of astrocytoma grades with the Principal Component Analysis (PCA) and Spherical K-Means of the MRS data. Spherical K-Means algorithm is a K-Means algorithm with cosine similarity. At the same time, PCA is a technique which used to find the basis vectors of each class (grade) subspace. These basis vectors would build Principal Component which would be used in identifying a grade of a MRS data. The data used in this essay is resourced from radiology laboratory of Rumah Sakit Cipto Mangunkusumo (RSCM), Jakarta. From this research, note that PCA can classify astrocytoma with the highest accuracy, ie 85%. In addition, this research produce software that can be used to assist decision making related to the classification of astrocytoma to high grade, low grade, and normal"