Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 69880 dokumen yang sesuai dengan query
cover
"Pada skripsi ini dibahas permodelan dengan mengidentifikasi suatu kumpulan data masukan-keluaran suatu proses nonlinier sistem satu tangki dan sistem tangki terhubung dalam bentuk model fuzzy Takagi-Sugeno untuk mengatasi kelemahan yang timbul bila pemodelan dilakukan dengan pendekatan konvesional. Algoritma Gustafson-Kessel (product-space fuzzy clustering) digunakan untuk mengelompokkan data masukan-keluaran menjadi beberapa cluster dimana anggota suatu cluster memiliki kesamaan yang lebih tinggi daripada dengan anggota dari cluster yang lainnya. Parameter model fuzzy Takagi-Sugeno untuk setiap aturan (cluster) diestimasi dengan menggunakan metode least-square untuk masing-masing cluster (local linear).
Model fuzzy Takagi-Sugeno untuk sistem satu tangki yang didapat telah diuji dengan memberikan masukan multisinusoidal dan hasilnya menunjukkan bahwa model fuzzy Takagi-Sugeno untuk sistem satu tangki mampu menyamai karakteristik proses nonlinier sistem satu tangki dengan tingkat kesamaan sinyal keluaran model fuzzy Takagi-Sugeno berdasarkan variansinya terhadap sinyal keluaran proses nonlinier sistem satu tangki sebesar 99.8341%. Demikian pula dengan model fuzzy Takagi-Sugeno untuk sistem tangki terhubung, dimana sinyal keluarannya memiliki tingkat kesamaan sebesar 99.6582% bila dibandingkan dengan sinyal keluaran proses nonlinier sistem tangki terhubung."
Fakultas Teknik Universitas Indonesia, 2004
S39292
UI - Skripsi Membership  Universitas Indonesia Library
cover
Fernando Tovanno
"Dalam Skripsi ini sebuah pengendali Fuzzy Takagi-Sugeno dirancang untuk mengendalikan sistem tangki terhubung dalam skema Internal Model Control (IMC). Sebuah model NARX (Nonlinear AutoRegressive eXogeneous) digunakan dalam skema IMC untuk meniru karakteristik sistem tangki terhubung dan diidentifikasi berdasarkan data masukan-keluaran sistem. Identifikasi yang dilakukan terhadap coupled tank apparatus PP-100 adalah dengan metode fuzzy clustering Gustafson-Kessel dan Least Square untuk mendapatkan model fuzzy Takagi-Sugeno. Perancangan pengendali invers dari model fuzzy Takagi-Sugeno digunakan invers affine secara langsung. Hasil pengendalian yang diperoleh menunjukkan kinerja yang sangat baik dimana proses dapat mengikuti acuan yang diberikan. Juga dilakukan perbandingan kinerja pengendalian untuk model yang diidentifikasi dengan metode Instrumental Variable. Hasil yang diperoleh dengan metode Least Square sama persis dengan metode Instrumental Variable. Skema pengendali IMC juga lebih baik dibandingkan dengan pengendali pole placement, dimana pada pengendati pole placement keluaran dari proses tidak dapat mengikuti acuan yang diberikan."
Depok: Fakultas Teknik Universitas Indonesia, 2005
S40101
UI - Skripsi Membership  Universitas Indonesia Library
cover
Mario Hendracia
"Pada skripsi ini dibahas pemodelan dengan mengidentifikasi suatu kumpulan data masukan-keluaran suatu proses nonlinier data fluktuasi harga saham dan data Indeks Harga Saham Gabungan (IHSG) dalam bentuk model fuzzy Takagi-Sugeno. Struktur model Nonlinear Auto Regressif (NAR) divariasikan time delaynya sebanyak tiga kali, yaitu t=1, t=3, dan t=5 digunakan sebagai model sistem nonlinear. Algoritma Subtractive Clustering digunakan untuk mengelompokkan data masukan-keluaran menjadi beberapa cluster berdasarkan kesamaan linearitas, dimana setiap cluster mewakili suatu aturan bagian premis model fuzzy Takagi-Sugeno. Parameter model fuzzy Takagi-Sugeno untuk setip aturan (cluster) diestimasi dengan menggunakan metode least-square untuk masing-masing cluster. Model fuzzy Takagi-Sugeno untuk data fluktuasi harga saham dan data IHSG menunjukkan ferforma yang paling baik dengan struktur NAR t=1. Model fuzzy Takagi-Sugeno untuk data fluktuasi harga saham yang didapat telah diuji dengan proses validasi silang dan hasilnya menunjukkan bahwa model fuzzy Takagi-Sugeno untuk data fluktuasi harga saham mampu menyamai karakteristik proses nonlinear data fluktuasi harga saham dengan tingkat Root Mean Square Error (RMSE) sebesar 16.3. Demikian pula dengan model fuzzy Takagi-sugeno untuk data IHSG, dengan tingkat RMSE sebesar 6.52. Terjadinya overfitting menunjukkan bahwa model fuzzy Takagi-Sugeno untuk data IHSG hanya dapat digunakan untuk peramalan jangka pendek (short-term forecasting)."
Depok: Fakultas Teknik Universitas Indonesia, 2005
S40133
UI - Skripsi Membership  Universitas Indonesia Library
cover
Charista Christie Tjokrowidjaja
"Segmentasi merupakan sebuah proses yang penting dilakukan dalam menganalisa suatu citra. Dengan melakukan segmentasi, maka citra tersebut dapat dibagi menjadi beberapa bagian yang lebih sederhana yaitu bagian-bagian yang memiliki karakteristik visual yang serupa seperti warna, gerakan, dan tekstur. Fuzzy c-means (FCM) yang diperkenalkan oleh Dunn dan dikembangkan oleh Jim Bezdek, adalah algoritma yang populer digunakan dalam segmentasi citra karena algoritma ini mudah digunakan dan akurat. Lebih tepatnya, FCM sangatlah efektif digunakan untuk mensegmentasi citra yang tidak memiliki noise. Selain sensitif terhadap noise, FCM juga sensitif terhadap outliers. Berbagai macam metode telah ditemukan untuk mengatasi kelemahan dari algoritma FCM, salah satunya menggunakan metode robust FCM (RFCM). Dari hasil penelitian yang dilakukan, dapat dilihat hasil secara kuantitatifnya lebih baik dibandingkan dengan algoritma-algoritma FCM lain. Hasil percobaan menunjukkan modifikasi RFCM memberikan hasil yang lebih baik terutama untuk data iris.

Segmentation is an important process to analyze an image. With image segmentation, an image can be partitioned into several simpler parts, which is parts that have similar visual characteristics like colors, motions, and textures. Fuzzy c-means (FCM) is introduced by Dunn and developed by Jim Bezdek. FCM is a popular algorithm to be used on image segmentation because of its simplicity and accuracy. Moreover, FCM is highly effective to segment image that have no noise. Aside its sensitiveness to noise, FCM is also sensitive to outliers. Several methods are founded to overcome FCM’s weaknesses one of which is using robust FCM method. From research, quantitatively it’s result is better compared to other FCM algorithms. Reseach done shows that modified RFCM gives better result especially for iris data.
"
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2014
S57576
UI - Skripsi Membership  Universitas Indonesia Library
cover
Muhammad Ihsan
"Berbeda dengan pandangan umum yang cenderung mengaitkan ketidak-pastian ke dalam konteks probabilistik, teori fuzzy mengenali ketidak-pastian justru dalam kaitannya dengan fuzziness yaitu kekurang-tepatan pendefinisian aspek-aspek yang terkait dengan suatu entitas, ataupun ambiguity yaitu pengaitan sejumlah berhingga pemaknaan atas entitas berfonetik sama. Paradigma yang ditawarkan oleh teori fuzzy adalah nilai keanggotaan yang gradual antara non-membership dan full-membership. Dalam kaitannya dengan modelisasi matematis fenomena riil yang secara alamiah mengandung aspek ketidak-pastian non-probabilistik, diajukan persamaan diferensial fuzzy sebagai alat bantu teoritis. Dalam menyelesaikan persamaan diferensial biasa linier fuzzy digunakan metode generalized differentiability. Kelebihan metode ini, atas metode-metode sebelumnya terletak pada kepraktisan dalam mencari solusi persamaan diferensial biasa linier fuzzy. "
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2007
S27725
UI - Skripsi Membership  Universitas Indonesia Library
cover
Benyamin Kusumoputro
Jakarta: UI-Press, 2005
PGB 0354
UI - Pidato  Universitas Indonesia Library
cover
P. Hendarwan Budiarta
"Sistem simulasi yang diketengahkan dalam Tugas Akhir ini menggunakan algoritma pengaturan berbasis logika fuzzy. Logika fuzzy digunakan untuk mengatasi kesulitan pengendalian pada sistem yang memiliki sifat non-linieritas tinggi, di antaranya adalah pengemudian mobil. Akan dijelaskan model asli model yang disederhanakan, serta penentuan model fuzzy Takagi-Sugeno mobil. Sebagai pengendali digunakan kontroler fuzzy yang dioptimasi dengan persamaan Riccati. Dibahas juga pengujian kestabilan pengendalian. Dalam hal ini, logika fuzzy tidak hanya digunakan pada pengendali (kontroller) tetapi juga untuk memodelkan mobil (model fuzzy Takagi-Sugeno). Pada bagian akhir diberikan flowchart program simulasi dan Basil-hasil simulasi pada beberapa kondisi untuk menunjukkan pengaruh - kecepat:an, waktu cuplik, panjang mobil, dan besainya state feedback gain, K terhadap kinerja pemarkiran."
Depok: Fakultas Teknik Universitas Indonesia, 1996
S38856
UI - Skripsi Membership  Universitas Indonesia Library
cover
Kosko, Bart
New Jersey: Prentice-Hall, 1997
001.644 04 KOS f
Buku Teks SO  Universitas Indonesia Library
cover
Terano, Toshiro
Boston : Academic Press, 1992
511.322 TER f
Buku Teks  Universitas Indonesia Library
cover
Irwan Wakhidiyanto
"Skripsi ini dilakukan sebagai penelitian untuk menganalisa proses pengenalan jenis kawanan ikan dengan metode Logika Fuzzy dari pendeteksian bentuk fish schooling yang terlihat pada echogram fish finder. Hal ini didasarkan pada teori bahwa ikan mempunyai bentuk schooling atau pergerakan berkelompok dengan struktur dan irama yang unik. Data untuk proses pengenalan diperoleh dari database Balai Penelitian Departemen Kelautan dan Perikanan yang melakukan observasi di laut Jawa pada bulan Desember 2005.
Dalam penelitian ini image dari kawanan ikan dengan bentuk tertentu, yang terlihat pada echogram, dilakukan proses kuantisasi graylevel dan leveling untuk kemudian diambil matriks-matriks sample untuk ditentukan nilai rata-rata matriks, rata-rata nilai real FFT matriks dan rata-rata nilai imajiner FFT matriks. Kemudian dijadikan database.
Pengenalan dilakukan dengan membandingkan nilai-nilai tersebut terhadap matriks sample yang akan dianalisis, dengan tiga metode yaitu penggunaan fungsi if-then-else pada masing-masing nilai database, kedua dengan menggunakan Fuzzy Inference System dengan fungsi keanggotaan tipe trapesium, dan yang ketiga metode Fuzzy Inference System dengan fangsi keanggotaan tipe Gaussian.
Pengenalan dipenuhi apabila telah memenuhi tiga nilai parameter, rata-rata matriks, rata-rata real, dan rata-rata imajiner. Hasil yang didapat dengan metode if-then-rules cukup baik hanya saja memiiki kekurangan yaitu rapatnya nilai parameter dan juga urutan dalam penyusunan fungsinya.
Hasil yang didapat dengan metode FIS fungsi keanggotaan Gaussian juga cukup baik namun memiiki kekurangan yaitu kurang mewakili nilai keanggotaan dari tiap parameter. Hasil yang paling baik adalah pengenalan dengan metode FIS dengan fungsi keanggotaan tipe trapesium dengan akurasi 76.3 %."
Depok: Fakultas Teknik Universitas Indonesia, 2006
S40256
UI - Skripsi Membership  Universitas Indonesia Library
<<   1 2 3 4 5 6 7 8 9 10   >>