Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam skripsi ini akan dibahas dan disimulasikan penerapan sistem inferensi fuzzy berbasis jaringan adaptif untuk menghilangkan komponen pengganggu dalam sinyal yang diterima sehingga informasi yang diinginkan dapat diperoleh. Komponen pengganggu yang dimaksud di sini adalah suatu sinyal lain yang tidak diinginkan yang berasal dari suatu sumber yang diketahu4 yang mengalami perbbaaan setelah melalui suatu jalur dinamik tertentu. Penyaringan dilakukan dengan terlebih dahulu memodelkan jalur dinamik tersebut sehingga komponen pengganggu dapat diestimasikan. Pemodelan jalur dinamik dilakukan dengan mempergunakan sistem inferensi fuzzy Sugeno yang parameternya ditala oleh suatu jaringan adaptif, atau biasa disebut ANFIS (Adaptive Network - based Fuzzy Inference System). Teknik penyaringan dengan ANFIS dapat memberikan hash yang lebih baik dibandingkan dengan teknik penyaringan berdasarkan perbedaan frekuensi. Pendekatan ANFIS dapat diterapkan jika beberapa persyaratan dapat dipenuhi , yaitu sumber informasi tidak berbubungan dengan sumber komponen pengganggu, orde jalur dinamik diketahui dan sumber informasi memiEd rata-rata nol."

"Natural Language Generation (NLG) merupakan salah satu topik dalam bidang Natural Language Processing (NLP) yang hingga sekarang penelitiannya masih banyak dilakukan. Tugas dari NLG adalah menghasilkan bahasa natural (manusia) dari data non-linguistik. Secara umum, sistem NLG melibatkan tahapan-tahapan utama yaitu document planning, microplanning, dan surface realisation. Penelitian yang dilakukan adalah mengembangkan sistem NLG yang menggunakan konsep inference dalam prosesnya menghasilkan dokumen. Selain itu sistem juga diharapkan mampu memanfaatkan informasi yang sifatnya historis dalam proses menghasilkan dokumen tersebut. Pengembangan terutama dilakukan pada subbagian perencanaan (document planning dan microplanning) dengan domain yang dipilih adalah sepak bola. Implementasi dilakukan dengan menggunakan prolog. Prolog dipilih karena sangat cocok digunakan untuk proses inference. Evaluasi sistem dilakukan dengan cara melakukan pengujian unit untuk setiap komponen, terutama komponen yang melakukan inference. Hasilnya menunjukkan bahwa sistem berjalan sebagaimana mestinya yaitu mengeluarkan output yang benar sesuai dengan permintaan pada input (query). Selain itu, dilakukan juga evaluasi oleh manusia dengan cara menyebarkan kuesioner penilaian terhadap laporan yang dihasilkan oleh sistem NLG dibandingkan dengan laporan hasil buatan manusia. Hasilnya menunjukkan bahwa laporan buatan manusia masih lebih baik, namun laporan hasil dari sistem juga memperoleh penilaian yang cukup baik.

---

Natural Language Generation (NLG) is one of the topics in the field of Natural Language Processing (NLP), which until now is still a lot of research done. Task of NLG is to generate natural (human) language from non-linguistic data. In general, the NLG system involves main phases namely document planning, microplanning, and surface realisation.

This research is to develop NLG system which uses the concept of inference in the process of generating document. Furthermore, the system also expected to use historical information in the process of producing the document. Development is mainly on planning phase (document planning and microplanning) with selected domain is football. Implementation is done by using prolog. Prolog selected because it is suitable for inference process. Evaluation of the system is done by doing a unit testing for each component, especially for component which perform inference.

The result shows that the system is running as it should be that is gives correct output according to the request on the input (query). In addition, the evaluation was also conducted by distributing questionnaires to compare the reports generated by the NLG system with man-made reports. The results show that man-made report is still better, but the report generated by the NLG system also obtain a fairly good assessment."

""When people speak, their words never fully encode what they mean, and the context is always compatible with a variety of interpretations. How can comprehension ever be achieved? Wilson and Sperber argue that comprehension is a process of inference guided by precise xpectations of relevance. What are the relations between the linguistically encoded meanings studied in semantics and the thoughts that humans are capable of entertaining and conveying? How should we analyse literal meaning, approximations, metaphors and ironies? Is the ability to understand speakers? meanings rooted in a more general human ability to understand other minds? How do these abilities interact in evolution and in cognitive development? Meaning and Relevance sets out to answer these and other questions, enriching and updating relevance theory and exploring its implications for linguistics, philosophy, cognitive science and literary studies"-- Provided by publisher."

"The theory of oppositions based on Aristotelian foundations of logic has been pictured in a striking square diagram which can be understood and applied in many different ways having repercussions in various fields: epistemology, linguistics, mathematics, sociology, physics. The square can also be generalized in other two-dimensional or multi-dimensional objects extending in breadth and depth the original Aristotelian theory.The square of opposition from its origin in antiquity to the present day continues to exert a profound impact on the development of deductive logic. Since 10 years there is a new growing interest for the square due to recent discoveries and challenging interpretations. This book presents a collection of previously unpublished papers by high level specialists on the square from all over the world."

"Proses sistem kendali adalah proses penting yang terjadi di dunia perindustrian, salah satunya di ranah industri hulu migas. Salah satu instrumen utama pada proses upstream migas adalah separator yang memiliki fungsi untuk memisahkan kandungan fluida minyak mentah yang mengalir melalui pipa menjadi beberapa wujud fase. Pada kenyataanya hampir semua proses pengendalian separator pada fasilitas produksi PT. Pertamina EP masih menggunakan model pengendalian PID konvensional yang harus terus dimonitoring oleh sumber daya manusia selama 24 jam per hari. Oleh karenanya, pada penelitian ini dirancang sebuah metode pengendalian berbasis intelligent system, yaitu simulasi pengendalian Neuro Fuzzy. Metode pengendalian Neuro-Fuzzy ini didesain menggunakan algoritma ANFIS dengan input berupa setpoint, error, dan selisih error dari proses variabel fluida separator, yaitu level (h) fluida. Penelitian dilakukan menggunakan aplikasi Simulink/MATLAB dengan memasukkan fungsi transfer dari model matematis separator lalu melakukan perbandingan dengan melihat grafik respon dan parameter antara model pengendali PID dan ANFIS. Hasil dari penelitian menunjukan bahwa performa pengendali model ANFIS secara rata-rata memiliki overshoot yang jauh lebih baik dari model PID karena selalu mendekati nol dalam tiap kondisi set point serta model ANFIS memiliki nilai error yang lebih baik pada saat set point bernilai 5 dengan perbedaan error 0,712 dari error model pengendali PID.

---

The control system process is an important process that occurs in the industrial world, one of which is in the upstream oil and gas industry. One of the main instruments in the upstream oil and gas process is a separator which has afunction to separate the crude oil fluid content flowing through the pipe into several phases. In fact, almost all separator control processes at PT. Pertamina EP still uses the conventional PID control model which must be continuously monitored by human resources 24 hours per day. Therefore, in this study, a control method based on intelligent systems is based on Neuro Fuzzy control of the level (h) of the fluid. The research was conducted using the Simulink/MATLAB application by entering the transfer function of the separator mathematical model and then making comparisons by looking at the response and parameter charts between the PID and ANFIS controller. The results of the study show that the ANFIS model controller performance on average has a much better overshoot than the PID model because it is always close to zero in each set point condition and the ANFIS model has a better error value when the set point is 5 with an error difference of 0.712. of the PID controller model error."

"ABSTRAKRancangan suatu Sistem Instrumentasi Penyimpul Fuzzy (SIPF) digital 64 bit untuk mengolah algoritma penyimpul fuzzy (Fuzzy Inference). Suatu sistem fuzzy yang terdiri dari SIPF dan mikroprosesor 32 bit memiliki kecepatan proses penyimpulan lebih tinggi bila dibandingkan dengan sistem yang hanya mengimplementasi perangkat lunak saja.. SIPF hanya digunakan untuk mengambil kesimpulan, sementara proses fuzzifikasi serta defuzzifikasi dilakukan oleh mikroprosesor sendiri yang juga mengendalikan SIPF. Disamping SIPF, algoritma penyimpulan yang teroptimasi juga dapat meningkatkan akselerasi pengkalkulasian aturan dasar (rule base).Pada Skripsi ini dilakukan perancangan serta peralcitan Sistem Instrumentasi Penyimpul Fuzzy, dengan menggunakan komponen-komponen murah dan sederhana serta mudah didapat. Hasil utama yang didapat adalah suatu rancangan dari sistem instrumentasi yang berfungsi sebagai alat bantu kalkulasi aturan fuzzy paralel yang kerjanya dikendalikan oleh mikroprosesor induk."