Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tesis ini membahas sistem pengendalian prosentase kerapatan bubur mineral pada suatu plant penggilingan mineral. Plant penggilingan mineral adalah merupakan bagian dari proses pengaturan konsentrasi mineral. Dinamika proses kerapatan ini diidentifikasi menggunakan data input output dengan metode identifikasi fuzzy, untuk mendapatkan model plant berdasarkan aturan-aturan identifikasi Takagi & Sugeno. Dalam identifikasi fuzzy terhadap plant penggilingan mineral ini diperoleh 6 aturan yang kemudian dapat diringkas lagi menjadi 4 aturan saja.Metode identifikasi Takagi & Sugeno dapat juga diterapkan pada pembuatan pengendali. Dengan data input berupa persen kerapatan bubur dan output berupa tonase/jam yang dibutuhkan pengendali plant penggilingan mineral diidentifikasi menggunakan metode tersebut. Penerapan pengendali pada plant memberikan hasil yang baik pada set point prosentasi kerapatan antara 59% sampai dengan 70%.

---

This thesis presents a discussion on the control of the percentages of pulp density in a mineral grinding plant, which is subsection of a concentration process. The plant dynamics is identified using input output data based on the fuzzy identification method, which yield the plant model parameters. The identification is done using Takagi & Sugeno fuzzy identification method. The identification results into 6(six) fuzzy rules, which one then simplified to only 4(four) rules to be implemented.

A fuzzy controller based on the Takagi & Sugeno method is also implemented to control the pulp density. In the training process, the pulp density data is used as input, and the required tonnage per hour to the plant is used as output. The implementation of the Takagi & Sugeno fuzzy controller to the plant shows good result for the range of pulp density set point from 59% to 70% only."

"Konstanta waktu dan waktu tunda proses merupakan faktor yang tidak dapat dihindari pada pengendalian proses-proses industri, sehingga usaha penalaan parameter kendali menjadi rumit dan memerlukan waktu yang panjang. Untuk penalaan pengendali Proporsional-Integral-Derivatif (PID) konvensional biasanya digunakan metode penalaan Ziegler-Nichols, yang pada prakteknya memerlukan beberapa kali penalaan yang memerlukan waktu yang lama.Tugas akhir ini membahas rancangan pengendali PID pada sistem kendali digital dimana parameter pengendali tersebut akan diubah dan diperbaiki berdasarkan mekanisme kendali fuzzy selama proses berlangsung untuk mencapai respons sistem yang lebih baik. Nilai awal parameter pengendali didapat melalui metode Sintesis yang dapat diaplikasikan untuk setiap kombinasilmodel proses, karena metode ini dibangun berdasarkan prinsip-prinsip dasar perhitungan sistem kendali.Basis pengetahuan mekanisme kendali fuzzy disusun berdasarkan prinsip jika keluaran sistem sesuai dengan yang diinginkan (error sama dengan nol) dan perubahan error sama dengan nol, maka keluaran pengendali dibuat konstan. Jika keluaran berbeda dengan yang diinginkan, maka aksi yang dilakukan tergantung dari nilai error dan nilai perubahan error. Jika kondisi error menuju nol dengan sendirinya, maka keluaran pengendali dibuat konstan atau hampir konstan. Jika tidak (error tidak menuju nol), maka keluaran pengendali terus diperbaiki sampai sesuai dengan nilai yang diinginkan.Hasil pengendalian dengan pengendali ini pada sistem yang disimulasikan dengan komputer pribadi menggunakan perangkat lunak Microsoft Excel'97 dan Fuzzytech 5.12 menunjukkan perbaikan respons sistem, yaitu delay time, rise time dan settling time yang relatif lebih cepat."

"ABSTRAKSistem penciuman elektronik terdiri dari 3 bagian yaitu sistem sensor yang merubah besaran aroma menjadi besaran listrik, sistem elektronik yang mengukur besar perubahan frekuensi sensor dan sistem jaringan neural buatan yang melakukan pengenalan aroma. Peningkatan kemampuan pengenalan aroma yang cepat, tepat dan akurat pada sistem neural buatan sangat diperlukan oleh sistem penciuman elektronik ini, untuk itu perlu dikembangkan metode fuzzy learning vector quantization. Metode FLVQ merupakan metode jaringan neural buatan berbasis pada vector quantization yang mengintegrasikan teuri fuzzy dalam proses pembelajarannya dan mempunyai algoritma yang sederhana tetapi berkemampuan tinggi dalam pengenalan aroma. Pengembangan fuzzy learning vector quantization berfokus pada proses pembelajarannya terutama pada cara merubah fuzziness vektor pewakil. Berdasarkan cara perubahan fuzzinessnya ada tiga variasi FLVQ yang dinamakan FLVQ konstan, yaitu merubah lebar fuzziness vektor pewakil dengan besaran yang konstan; FLVQ variabel, yaitu merubah lebar fuzziness vektor pewakil berdasarkan nilai similaritas; dan FLVQ tunggal, yaitu merubah lebar fuzziness vektor pewakil hanya pada salah satu bagian sisinya. Hasil Penelitian dengan sampel aroma produk marta tilaar dan aroma etanol menunjukkan bahwa jaringan neural buatan FLVQ mempunyai kemampuan pengenalan yang lebih baik bila dibandingkan dengan propagasi balik."

"Peranan pemasok sangat penting dalam manajemen rantai pengadaan. Evaluasi performa pemasok mendorong pemasok-pemasok untuk meningkatkan performanya. Evaluasi ini merupakan permasalahan kompleks dan tidak terstruktur yang meliputi banyak kriteria.Metode yang dipakai adalah AHP dan fuzzy AHP. Metode fuzzy AHP dikembangkan untuk menyelesaikan ketidakpastian dari persepsi dan pengalaman manusia yang subjektif dalam pengambilan keputusan.Penelitian ini bertujuan menentukan bobot performa pemasok dengan AHP dan fuzzy AHP dan membandingkan hasil pembobotan kedua metode. Penelitian dilakukan di perusahaan baru selama 1 bulan. Penelitian mulai dengan penyebaran kuesioner langsung terhadap 3 tenaga ahli untuk menilai 3 pemasok karet alam.Faktor yang paling diperhatikan untuk evaluasi adalah kualitas yang meliputi barang dan pelayanan. Berdasarkan performa pemasok terhadap kriteria-kriteria evaluasi maka pemasok A memiliki performa terbaik dengan bobot 0,504 untuk AHP dan 0,5308 untuk fuzzy AHP. Penentuan bobot performa supplier dengan fuzzy AHP lebih akurat dan sesuai kebutuhan perusahaan. Analisa sensitivitas menunjukkan perubahan bobot akhir pemasok tetapi tidak mengubah peringkat prioritas pemasok dalam metode AHP dan fuzzy AHP.

---

Suppliers have an important role in supply chain management. Supplier performance evaluation would motivate suppliers to improve their perfomance. This evaluation is complex and unstructured problem and involve multi criteria.The methods that can be used are AHP and fuzzy AHP. Fuzzy AHP method is employed to solve the uncertainty and vagueness from subjective perception and the experiences of human in decision making.This research ptuposes to determine weight of suppliers with AHP and fuzzy AHP and comparing result of weighting from both methods. Research was conducted in a tire manufacturer during 1 months. The research starts by deploying questionnaires directly to 3 experts to asses 3 suppliers of natural rubber.The important factors of evaluation are quality in material and service. Based on suppliers performance to evaluation criteria, supplier A has the best performance with weight 0.504 in AHP and 0.5308 in fuzzy AHP. Determination of supplier performance weight with fuzzy AHP is more accurate and appropriate company need. Sensitivity analysis indicated that a difference final weight supplier but it didn't change ranking of priority supplier in AHP and fuzzy AHP method."

"Tugas akhir ini merupakan lanjutan dari penelitian sebelumnya (Sanabila, 2008) dalam pengenalan sudut wajah dengan konsep yang sama, yaitu data acuan awal memiliki interval tertentu, dibuat data acuan baru menggunakan interpolasi, lalu data uji dihitung jaraknya terhadap semua data acuan, data acuan dengan jarak terdekat merupakan hasil tebakan. Perbedaan dalam penelitian ini adalah penggunaan data rata-rata dan data fuzzy sebagai data acuan, perbedaan dalam PCA yang dilakukan, serta penggunaan control point placement dalam interpolasi Bezier kuadratik. Skema eksperimen dibagi menjadi dua, menggunakan set data yang sama dengan penelitian sebelum ini dan menggunakan set data yang lebih kecil intervalnya. Selain itu, penelitian ini juga mencakup pengenaan distorsi. Kesimpulan dari peneltian ini adalah penggunaan data rata-rata lebih baik daripada data masing-masing foto yang harus dipisahkan berdasarkan kelas wajah terlebih dahulu, penggunaan PCA memberi hasil yang baik, algoritma dengan data fuzzy belum memberi hasil sebaik data rata-rata, pengenaan distorsi kurang mempengaruhi hasil pengenalan algoritma untuk eksperimen yang memakai data rata-rata, dan pemakaian control point placement menghasilkan tingkat pengenalan yang lebih baik untuk eksperimen dengan data rata-rata.

---

This final project is a continuity of previous research about angle estimation with the same main concept: with reference data in some intervals, new reference data with smaller intervals was made with the use of interpolation, and distances between testing data and all reference data was calculated, the reference data with the closest distance was the algorithm?s estimation (Sanabila, 2008). Differences made were the use of average data (crisp data) and fuzzy data for each angle as reference data, differences in PCA algorithm, and the use of control point placement in quadratic bezier interpolation.

Experiment scenarios were divided into two main schemes based on the intervals of the data set, the first one was an experiment scheme with the same data set intervals with previous research and another one was experiment scheme with smaller intervals. Data manipulation with noise addition have also been done in some experiment schemes.

Some of the Conclusions were: use of average data was more efficient than one data for each picture, the use of PCA gave better result than experiments without PCA, experiments with average data gave better result than with fuzzy data, noise addition to data did not effect the recognition rate of the algorithm for experiments with average data (crisp), control point placement gave better result in experiments with average data."

"Latar belakang penelitian ini adalah kebutuhan penerapan pengenalan wajah dalam berbagai aplikasi dunia nyata. Pengenalan wajah dapat dilakukan dengan beberapa pendekatan, salah satunya adalah pendekatan dengan jaringan syaraf tiruan. Salah satu algoritma yang dikenal dan digunakan adalah Fuzzy Neuro Learning Vector Quantization (FNLVQ). Pernyataan masalah yang muncul adalah tingkat pengenalan FNLVQ konvensional yang masih bisa ditingkatkan dan kebutuhan akan jaringan yang mampu membaca citra yang mengandung noise. Tujuan riset ini adalah untuk memperlajari karakteristik algoritma FNLVQ melalui eksperimen dan pengujian terhadap citra asli dan citra dengan noise, pengembangan algoritma FNLVQ berbasiskan dimensi dalam rangka meningkatkan tingkat pengenalan serta mengujinya dengan citra asli dan citra dengan noise, serta perbandingan performa antara keduanya. Ada 2 kriteria pengukuran hasil, yaitu tingkat identifikasi dan klasifikasi. Tingkat identifikasi kemampuan jaringan untuk mengidentifikasi citra sebagai kelas yang sesuai sedangkan tingkat klasifikasi adalah kemampuan jaringan untuk memisahkan antara citra yang teregistrasi dan tidak teregistrasi. Tingkat identifikasi algoritma berbasiskan vektor konvensional adalah 30% dan meningkat hingga 85% dengan algoritma berbasiskan dimensi. Dalam hal tingkat klasifikasi, algoritma konvensional cenderung tidak mampu mengenali data tidak teregistrasi, sedangkan algoritma berbasiskan dimensi mampu memisahkan data teregistrasi dan tidak teregistrasi dengan baik. Untuk citra dengan noise, kedua algoritma mengalami penurunan pengenalan. Tingkat identifikasi algoritma berbasiskan dimensi masih tidak lebih baik daripada algoritma konvensional berbasiskan vektor untuk beberapa jenis noise, tetapi tingkat klasifikasi yang dicapai lebih baik antara pengenalan data teregistrasi dan tidak teregistrasi.The background of this research was the need to apply face recognition in many applications in real life. Face recognition can be done using a number of approaches, one of them is by using artificial neural networks. A known algorithm used to train a neural network is the Fuzzy Neuro Learning Vector Quantization (FNLVQ). The research questions emerging from this background were the issue of the FNLVQ recognition rate that can still be increased and the need to create a network that is robust to noise. The research objectives were to study of the characteristics of the FNLVQ algorithm using experiments and testing it with both pure and noisy images, in attempt to increase the recognition rate the dimension-based approach to the FNLVQ learning algorithm was developed and tested with both pure and noisy images, and finally the two algorithms were then compared and analyzed. There were 2 criterions of measurement, the identification rate and classification rate. The identification rate is the ability of the algorithm to identify each image as the right person, and the classification rate is the ability of the algorithm to classify an image as a registered or unregistered person. The identification rate was around 30% with the conventional vector based algorithm, and could be increased to 85% with the dimension based algorithm. For the classification rate, with the conventional algorithm the unregistered data could not be recognized and with the new dimension-based approach, the unregistered and registered data could be differetiated. As for the noisy images, both algorithms experienced a decreased recognition rate. The identification rate of the dimension based algorithm still did not exceed the recognition rate of the vector based algorithm for most noises, but the classification rate was more stable between both registered and unregistered clusters."

"Tugas akhir ini berupaya menganalisis metode pengukuran kemiripan dan perbedaan rantai DNA dengan menggunakan dasar fuzzy genom dan ruang fuzzy polinukleotida. Analisis dilakukan dengan cara menerapkan metode yang dianalisis dalam sebuah aplikasi sederhana dalam bahasa pemograman JAVA. Aplikasi yang dibuat bertujuan dapat memberikan nilai kemiripan dan perbedaan dua rantai DNA. Sampel data yang diambil adalah rantai DNA virus influenza yang telah dipetakan genomnya serta telah diketahui subtipenya. Virus yang menjadi pembanding utama yaitu virus influenza dengan subtipe H5N1. Selain itu, data yang diambil yaitu virus-virus lain yang tersedia juga di dari NCBI (National Center for Biotechnology Information). Hasil menunjukkan bahwa virus dengan tipe yang sama yaitu virus influenza memiliki nilai kemiripan yang lebih besar dan jarak yang kecil. Pengukuran yang dilakukan tidak mampu membedakan subtipe sesama virus influenza. Akan tetapi, pengukuran virus influenza dengan jenis virus lainnya memiliki nilai kemiripan yang relatif lebih rendah dan jarak yang jauh. Hasil tersebut memungkinkan untuk membedakan virus influenza dengan jenis virus lain. Metode yang digunakan dapat digunakan sebagai salah satu ciri untuk mengklasifikasi jenis virus tertentu.

---

This thesis attempts to analyze the methods to measure similarity and distance between DNA sequences based on the theory of fuzzy genomes and fuzzy polynucleotide spaces. The analyzing is done using an application coded by JAVA language. The application implements the methods to measure similarity and distance between two DNA sequences. Influenza virus which its genomes has already been mapped and subtype known is used as sample data. The main DNA sequence comparator is the DNA of influenza virus with subtype H5N1. Besides that, other virus data is taken from same source (NCBI - National Center for Biotechnology Information) as samples. The results show that viruses with same type have high similarity value and low distance value. The measure cannot classify subtype in influenza virus. However, the measurements of influenza virus with other kind of virus have relatively low similarity value and high distance value. This result creates a possibility to differ virus influenza and other virus. The methods can be used as a feature for virus classification."

"ABSTRAKDNA adalah materi genetik yang unik terhadap satu individu, jika individu tersebut tidak memiliki saudara kembar identik. Oleh karena itu, DNA dapat digunakan untuk identifikasi individu. Ketika identifikasi perlu untuk dilakukan, sering terjadi kasus dimana individu yang akan diidentifikasi sulit dikenali misalnya karena korban dimutilasi atau terjadi bencana alam yang membuat korban bencana menjadi rusak berat. Untuk mengenali sampel biologis yang rusak tersebut perlu dilakukan tes DNA (DNA Profiling). Kadang walaupun dapat dilakukan tes DNA, akan tetapi profil DNA yang didapat sudah terdegradasi, karena sampel rusak atau DNA sudah terkontaminasi sel mikro. Untuk kasus seperti itu, selain diperlukan perbaikan di laboratorium juga diperlukan penghitungan nilai kemiripan DNA antarprofil yang lebih baik, sehingga informasi yang mengandung nilai kemiripan tidak hilang. Inilah ide awal mengapa dilakukan penghitungan kemiripan DNA menggunakan logika fuzzy. Di sisi lain, jika terdapat banyak individu yang akan diidentifikasi maka laboran akan kesulitan mengidentifikasi dengan cepat, maka diperlukan suatu sistem yang dapat menghitung nilai kemiripan dengan otomatis. Pada penelitian ini, Penulis melakukan perbandingan dimana teknik defuzzifikasi dan metode inferensi yang digunakan berbeda, sehingga dapat dibangun sistem fuzzy yang lebih baik daripada yang sudah ada sebelumnya.ABSTRACT

DNA is genetic material which is unique for each individual, except for identical twins. So that, DNA could be a basis for human identification. When identification process is needed, there are cases that the victim is hard to be identified, for example mutilated victims or disaster victims that get heavy body decay. To identify it, we need to do DNA profiling. Even DNA profiling can be done, sometimes DNA profiling has been degraded because of disrepair sample that has been contaminated by micro cell. For this case, DNA needs to be repaired in Laboratory and then do the computation for the similarity value of each DNA profiling, so the similarity information in DNA is not lost. This is the reason why we need to do DNA Profiling using Fuzzy Logic. In the other hand, if there are many individuals that will be identified, it is needed to develop a system that can count the DNA similarity value automatically. On this research, writer is compare between Defuzzification technique and Interference method, so we can build fuzzy system that can show better performance than before."

"Kanker payudara merupakan salah satu jenis kanker yang ganas, deteksi yang lebih awal akan membantu penyembuhan yang lebih baik. Terkait dengan penegakan diagnosis yang akurat pada kanker payudara, salah satu metode dalam bidang patologi adalah analisis imunohistokimia. Salah satu prosedur dalam analisis imunohistokimia adalah menghitung positifitas antigen yang dilakukan dengan menghitung prosentase sel positif dan negatif pada suatu paparan. Selama ini perhitungan positifitas pulasan masih dilakukan secara manual karena pengamatan morfologi imunohistokimia merupakan hal yang penting disamping keterbatasan perangkat bantu yang ada. Proses perhitungan secara manual membutuhkan waktu 5-10 menit dengan akurasi subjektif. Oleh sebab itu, pembuatan perangkat penentu positifitas antigen yang dapat melakukan penghitungan dengan cepat, objektif dan akurasi tinggi sangat penting untuk meningkatkan kualitas diagnosis dokter. Dalam rangka membangun perangkat penentu positifitas antigen tersebut salah satu modul yang harus dipecahkan adalah segmentasi, yaitu bagaimana cara memisahkan bagian citra yang berisi sel positif, negatif dan background. Terdapat dua pendekatan segmentasi yang dapat dilakukan, pertama pendekatan crisp yang diwakili double thresholding dan pendekatan fuzzy yang diwakili oleh fuzzy morphologi. Kinerja dari fuzzy morphologi dan double thresholding telah dibandingkan dalam melakukan segmentasi pulasan imunohistokimia pada citra sel positif kanker payudara. Secara keseluruhan hasil segmentasi dari fuzzy morphologi lebih baik daripada double thresholding kerena tingkat akurasi pendeteksian sel kankernya lebih tinggi dibandingkan dengan metode double thresholding.

---

Breast cancer is one type of malignant cancer and the preventif detection will help to get better cure. Related to an accurate diagnosis of breast cancer. One of the methods in pathology is immunohistochemistry analysis. One of the procedures in analyzing immunohistochemistry is by counting antigen which is done by counting the precentage of positive and negative cells in an image. So far the counting of positivity of the stain is still being done manually. It happens because the observation of the morphology of immunohistochemistry is important and because of the unsufficient equipment. The manual process of counting needs 5- 10 minutes with subjective acuracy. So the making of the equipment to determine the antigen positivity which can calculate fast, objectively, and with most accuracy is very important to improve the quality of the doctor?s diagnosis. In making the equipment to determine the antigen positivity, one of the moduls which has to be solved is segmentation; how to seperate the image which contains the positive and negative cells and background. There are two segmentation approaches which can be done. First is crisp approaches which is represented by double thresholding and the fuzzy approaches which is represented by the fuzzy morphology. The performance of the fuzzy morphology has been compared with the double thresholding in doing segmentation of the image of immunohistochemistry stain positive cells in breast cancer. The general result of the fuzzy morphology is better than the double thresholding because it can make more accurate detection than the double thresholding method."

"Pemetaan suatu citra gambar dari long range CCTV kepada koordinat nyata pada peta merupakan hal yang baru. Pengetahuan ini dapat digunakan dalam berbagai macam keperluan seperti : peletakan kamera CCTV pada ujung ? ujung daerah perkotaan untuk pendeteksian bencana (kebakaran, pencurian, dll). Pada penulisan laporan ini, penulis akan mencoba suatu metode pemetaan citra kepada koordinat nyata. Koordinat nyata tersebut bukanlah suatu koordinat x,y,z pada permukaan geografis melainkan koordinat pixel citra satelit yang mengambil gambar perkotaan tersebut. Input yang digunakan dalam metode ini adalah sudut pemotretan CCTV terhadap objek yang digunakan. Sudut yang dibentuk tersebut dapat berubah-ubah dan mengandung banyak ketidakpastian (uncertainty). Untuk mengatasi permasalahan tersebut maka penulis menggunakan logika fuzzy dalam memasukkan input sudut pemotretan. Sistem ini diujikan dengan data hasil simulasi percobaan. Pengembangan sistem ini dapat diarahkan kepada pemetaan pada permukaan geografis.Image mapping from long range CCTV to real coordinate in map is an unordinary knowledge. This knowledge can be applied to many uses such as : set up a CCTV camera in the end of city to detect a disaster (fire, robbery, etc). In this final year project, the writer triesnto implement a new method to mapped an image from CCTV image to real coordinate. the real coordinate that is mentioned is not a X, Y, Z coordinate in land surface but pixel coordinate in satellite image that pictured the city. Angle that has been made between CCTV with the object is an input to the system. The problem is it is dynamic and has many uncertainty. To solved the problem, the writer use fuzzy logic within an angle. This system is tested with simulation data, it also can be developed to the land surface mapping."