Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada kesempatan ini akan dievaluasi metode partisi fuzzy dalam menyelesaikan suatu permasalahan nonlinier dalam hal ini permasalahan klasifikasi. Metode ini mempartisi input space ke dalam bin-bin dan membuat aturan fuzzy dari tiap bin. Keseluruhan aturan fuzzy yang dihasilkan membentuk suatu sistem berbasis aturan fuzzy (sistem fuzzy) yang memodelkan sistem nonlinier dari permasalahan yang diberikan. Metode partisi fuzzy diperkenalkan dan digunakan untuk prediksi unjuk kerja pada masalah kredit industri finansial oleh Yinghua Lin. Pada makalah ini metode partisi fuzzy digunakan untuk menyelesaikan masalah klasifikasi dengan data input dan data output 'Wine Recognition Data'. Metode ini memberikan hasil yang cukup baik terutama ketika dilakukan penambahan kemungkinan lokasi pemartisian, dari maksimum pengenalan 91,67% (tiga lokasi pemartisian) menjadi maksimum 94,44% (lima lokasi pemartisan). Dalam percobaan ini juga diterapkan preprocessing PCA yang mentransformasikan data input ke dalam ruang eigen. Peningkatan yang diperoleh cukup tinggi hingga mencapai tingkat pengenalan 97,22%. Kata kuci: paritisi fuzzy, sistem fuzzy, klasifikasi, PCA."

"Dalam skripsi ini dibahas pemodelan sistem fuzzy statis dan proses penetapan konstanta parameternya. Dalam pemodelan sistem fuzzy statis ada lima hal yang harus ditetapkan, variabel input, subhimpunan fuzzy, fungsi keanggotaan himpunan fuzzy, relasi input-output dan konstanta parameter. Algoritma input-output dalam sistem fuzzy statis diaplikasikan untuk melengkapi proses pemodelan sistem fuzzy statis. Penetapan konstanta parameter, dilakukan sedemikian sehingga eror antara nilai output dari model dan data output yang sebenarnya adalah minimum. Dalam skripsi ini, metode yang akan digunakan dalam menetapkan konstanta parameter adalah metode Least-Square.

---

This mini thesis discusses static fuzzy system modeling and the process of determining its constant parameter. In static fuzzy system modeling, there are five items that must be considered, they are input variables, fuzzy subset, membership function of fuzzy set, input-output relations, and constant parameter. Input-output algorithm in static fuzzy system is applied to complete the static fuzzy system modeling process. Determining constant parameters are done such that the error between output value and real output data is minimum. In this mini thesis, Least-Square method is used in determining the constant parameter."

"Pengendali fuzzy adaptif tipe tidak langsung terdiri dari pengendali fuzzy dan aturan adaptasi. Pengendali fuzzy menggunakan sistem fuzzy untuk menggantikan fungsi sistem. Sistem fuzzy yang digunakan terdiri dari basis pengetahuan yang fungsi keanggotaan dari himpunan fuzzynya adalah fungsi gaussian, mesin inferensi produk, fuzzifier singleton dan defuzzif er rata-rata tengah_ Basis pengetahuan menyimpan parameter-parameter dari sistem fuzzy yaitu pusat himpunan fuzzy dari bagian MAKA pads aturan JIKA-MAKA fuzzy. Parameter-parameter tersebut perlu disesuaikan agar pengendali dapat monjalankan tugasnya dengan baik Parameter-parameter tersebut disesuaikan dengan menggunakan aturan adaptasi yang diturunkan dengan rnenggunakan sintesis Lyapunov. Langkah-langkah clan sintesis Lyapunov adalah pembentukan persaraaan keadaan dari sistem lingkar tertutup dan penggunaan kriteriakestabilan Lyapunov untuk mencari aturan adaptasi. Pengendali tersebut akan diaplikasikan pads sistem pendulum terbalik dengan simulasi yang disusun menggunakan bahasa C. Kemudian, grafik-grafik yang diperoleh dari simulasi tersebut akan dianalisis untuk menyimpulkan karakteristik-karakteristik dari pengendali fuzzy adaptiftipe tidak langsung pada sistem pendulum terbalik."

"Diketahui bahwa mengendalikan gerakan mundur suatu truk-trailer sampai suatu posisi tertentu merupakan hal yang sulit untuk setiap orang umum, kecuali supir truk ahli yang telah berpengalaman. Hal ini dikarenakan dinamika truk-trailer yang nonlinear dan tidak stabil. Dalam tugas skripsi ini akan dibahas perancangan pengendali fuzzy dengan model sistem fuzzy yang diterapkan pads truk-trailer tersebut dalam mengendalikan truk-trailer tersebut ke posisi yang diinginkan secara mundur. Telah banyak makalah yang membahas pengendalian gerak mundur truk-trailer, tetapi dalam pembahasannya masih mengunakan model sistem dinamika nonlinear. Secara praktis, seorang ahli umumnya mengambarkan suatu proses dengan mengunakan bahasa manusia, sehingga dapat digabungkan menjadi model proses tersebut yang disebut model sistem fuzzy. Dalarn skripsi ini model dinamika truk-trailer dirnodelkan dengan model sistem fuzzy yang digunakan untuk perancangan pengendali umpan batik berupa pengendali fuzzy yang menerapkan sistem fuzzy TSK (Takagi-Sugeno-Kang). Untuk menunjukkan kemampuan sistem pengendali fuzzy di atas dalam mengendalikan truk-trailer tersebut, dilakukan simulasi dengan menggunakan aplikasi MATLAB 5.3."