Generator uap merupakan unit plant yang memiliki sistem nonlinear dan kompleks dengan konfigurasi multiple-input-multiple-output (MIMO) yang cukup sulit untuk dimodelkan. Padahal, model generator uap dibutuhkan untuk membuat simulasi seperti operator training simulator (OTS). Tujuan dari penelitian ini yaitu untuk mendapatkan model generator uap yang memiliki 8 parameter luaran dan 9 parameter masukan berbasis jaringan saraf tiruan (JST) menggunakan algoritme pelatihan BPGD-ALAM sehingga diperoleh model yang mendekati sistem nyata. Data diperoleh dari generator uap PT. Chevron Pacific Indonesia, Duri dan dibagi menjadi tiga jenis, yaitu data latih, data validasi dan data uji. Data latih digunakan untuk mendapatkan model setiap luaran melalui proses pelatihan. Verifikasi model juga dilakukan untuk setiap epoch-nya menggunakan data validasi untuk memantau proses pelatihan apakah terjadi overfitting atau tidak. Delapan model JST yang diperoleh diuji menggunakan data uji untuk mengetahui performa dari model. Dari hasil penelitian, diperoleh konfigurasi arsitektur model JST yang berbeda-beda untuk setiap luaran dengan nilai RMSE rendah dari 9,71 % artinya telah dihasilkan model yang mendekati sistem nyata dari generator uap.

(klik disini untuk selengkapnya)

Tags: , , ,

Agfianto Eko Putra on May 17th, 2016

Belajar Mudah Mikrokontroler ARM Cortex M0” merupakan sebuah pelatihan (biasanya inhouse training) juga sebuah buku sederhana. Sebuah pelatihan/buku yang cocok digunakan untuk pelatihan atau belajar solusi berbasis mikrokontroler, khususnya seri ARM Cortex M0.

The ARM® Cortex®-M0 processor is the smallest ARM processor available. The exceptionally small silicon area, low power and minimal code footprint of the processor enables developers to achieve 32-bit performance at an 8-bit price point, bypassing the step to 16-bit devices. The ultra-low gate count of the Cortex-M0 processor also enables its deployment in analog and mixed signal devices. (ARM)

Pelatihan/buku belajar mikrokontroler ini didasarkan pada penggunaan ARM Cortex M0 produksi dari Nuvoton seri NUC140, lebih tepatnya NUC140VE3CN, menggunakan bantuan papan belajar NUC140 Learning Board atau NUC140LB.

NUC140 Learning Board by Nuvoton

Pendahuluan

ARM adalah arsitektur prosesor 32 bit yang dibuat oleh ARM Holding dan dilisensikan untuk diproduksi oleh berbagai vendor di dunia termasuk AMD, Atmel, Freescale, Nuvoton, Nvidia, NXP, Samsung, ST Micro, dan TI. Prosesor ARM digunakan pada perangkat smartphone, tablet, dan embedded system. Kini ARM menjadi arsitektur prosesor yang paling banyak diproduksi di dunia.

Seri arsitektur ARM terbaru terdiri dari 3 lini kelas penggunaan yaitu:

  • ARM CORTEX A untuk aplikasi umum
  • ARM CORTEX R untuk aplikasi real time
  • ARM CORTEX M yang setara dengan mikrokontroler

Read the rest of this entry »

Tags: , , , , ,

Agfianto Eko Putra on May 2nd, 2016

Sungguh menyenangkan bisa menulis dan berbagi berbagai macam artikel atau paper yang berkaitan dengan Pemrosesan Sinyal Digital atau PSD yang sudah sekian tahun saya geluti, dan sebagaimana saya telah membuat rangkuman artikel tentang mikrokontroler dan PLC, berikut ini adalah rangkuman tentang artikel/paper tentang PSD atau DSP yang telah saya tulis sepanjang tahun 2008 - 2015, selamat membaca dan berdiskusi…

Read the rest of this entry »

Tags: , , , ,

Agfianto Eko Putra on December 20th, 2015

Vision-based robot navigation is a research theme that continues to be developed up to now by the researchers in the field of robotics. There are innumerable methods or algorithms are developed, and this paper described the reviews of the methods. The methods are distinguished whether the robot is equipped with the navigation map (map-based), the map is built incrementally as robot observes the environment (map-building), or the robot navigates using no map (mapless). In this paper will described navigation methods of map-based, map-building, and mapless category.

More information click here

Tags: ,

Agfianto Eko Putra on December 5th, 2015

Quadrotor as one type of UAV (Unmanned Aerial Vehicle) have the ability to perform Vertical Take Off and Landing (VTOL). It allows the Quadrotor to be stationary hovering in the air. PID (Proportional Integral Derivative) control system is one of the control methods that are commonly used. It is usually used to optimize the Quadrotor stabilization at least based on the three Eulerian angles (roll, pitch, and yaw) as input parameters for the control system. The three constants of PID can be obtained in various ways or methods. However, to produce a robust control, we need a method that can optimize the PID components. Ant Colony Optimization (ACO) is one of PID controller optimization method which adapted by ant colony ability to find the shortest way from their nest to food. Some ACO parameters are number of ants, parameters, and pheromone constant for pheromone. Pheromones are the values given by the ants when they use the road.

[click here]

Tags: , , ,

Detection and recognition of object movements in a video is one of the research topics that are popular today. For the purposes of the analysis of the object movements in the video, the direction of movement is the important feature. In this study, we proposed a new method for determining the direction of movement using Histogram of Oriented Optical Flow (HOOF). We extract it locally at every N-by-N grid, not the entire frame. Direction movement is determined based on the value of HOOF on every grid. We classify the direction of movement in each grid into 12 directions. We use a video from UMN datasets for testing the proposed method. The experiment results show the value of False Positive Per Grid (FPPG) is 28.32%, and False Negative Per Grid (FNPG) is 4.08%. It proved that the use of Grid-based HOOF for analyzing movements on video data is good enough and can be improved in the future studies.

[click here]

Tags: , ,

Agfianto Eko Putra on November 4th, 2015

Algoritma kriptografi AES merupakan algoritma yang sering digunakan dalam menjaga kerahasiaan data. Kerahasiaan data merupakan parameter utama pengamanan data di berbagai sistem. Keamanan data dapat dicapai dengan mengkolaborasikan algoritma AES dengan algoritma kriptosistem lainnya. Oleh karena itu,perangkat keras pengeksekusi algoritma AES dengan sumber daya terbatas menjadi sangat penting.

Penelitian ini mengusulkan rancang bangun purwarupaperangkat keras untuk eksekusi algorima AES yang mengutamakan pemakaian sumber daya optimalmenggunakan FPGA tanpa mengorbankan kecepatan eksekusi. Pengoptimalan sumber daya ditempuh dengan merancang perangkat keras untuk enkripsi dengan dekripsi yang saling berbagi sumber daya, menggunakan arsitektur iteratif pada level putaran, arsitektur pipeline pada level transformasi, dan lebar data 32 bit.

Purwarupa perangkat keras pada penelitian ini menggunakan FPGA Xilinx Spartan®-6 Seri (XC6LX16-CS324) hasil pemodelan telah berhasil melakukan proses enkripsi dan dekripsi. Efisiensi perangkat keras yang dicapai adalah 1,94Mbps/Slice, sedangkan lewatan yang diperoleh adalah 308,96Mbps. Dengan pemakaian sumber daya hanya 6% dari yang tersedia pada FPGA.

[KLIK DISINI]

Tags: , ,

Agfianto Eko Putra on September 7th, 2015

It has been determined the best mother wavelet for stock prediction of SONY 2006 and BNI 2012 based on the Adaplet Method (The Adaptive Filter which is use wavelet as initial coefficients). The Mother Wavelets, which is used, are Coiflet 1-5, Daubechies 1-5, and Symlet 1-5. The prediction analysis includes overshoot, autocorrelation error and data pattern conformity, three days prediction, and segmentation. According to the overshoot analysis, it shown that for all the data, the overshoot at the beginning of data increased as its wavelet level increased. While using Daubechies 1 and Symlet 1 produced smallest overshoot among other wavelets (112.2%). The autocorrelation error of data pattern prediction indicates conformity with the original data. As its wavelet level increased, the autocorrelation error pattern also ramped (near zero). Coiflet 5 and Daubechies 1 produced the smallest mean square error (MSE), which is equal to 0.0147; meanwhile, Coiflet 1 shows the best result with an average error of 0.001 in next three days prediction analysis. On the other hands, Symlet 3 shows the best MSE of 1.213. Symlet offers the best result, according to best wavelet sequence assessment of each method.

(click here for download the paper)

Tags: , ,

Agfianto Eko Putra on August 7th, 2015

Kebutuhan penggunaan korpus yang menggunakan bahasa Indonesia semakin meningkat akan tetapi kebutuhan tersebut belum didukung dengan tersedianya korpus berbahasa Indonesia. Banyak negara sudah memiliki korpus nasional seperti British National Corpus (BNC), American National Corpus (ANC) dan lain sebagainya. Proyek pembuatan Korpus Nasional Bahasa Indonesia (KNBI) sendiri pernah disinggung dalam laporan akhir tahun anggaran 2001 proyek Iptekda BPPT. Namun perkembangannya sampai saat ini belum diketahui sejauh mana statusnya. Dengan adanya korpus bahasa Indonesia akan membantu banyak bidang seperti penerjemahan, komputasi linguistik dan lain sebagainya. Pembuatan korpus sendiri memiliki kriteria desain supaya dapat memenuhi kebutuhan yang diharapkan. Desain tersebut ada yang bersifat umum dan khusus, korpus bahasa yang satu dengan yang lain dapat berbeda disesuaikan dengan bahasa yang akan diproses dan kompleksitas yang melingkupi bahasa tersebut. Pembuatan korpus bahasa saat ini juga harus mempertimbangkan perkembangan teknologi, khususnya teknologi informatika. Sebagai contoh bidang informatika yang berkaitan dengan desain korpus adalah seperti internet, basis data, pengkodean, proses stemming dan lainnya. Korpus saat ini harus mampu beradaptasi dengan sifat internet, seperti keterbukaan dan interoperabilitas. Pengkodean korpus yang mampu digunakan kembali untuk diproses kembali juga merupakan salah satu kemampuan dari desain pembuatan korpus saat ini. Bagaimana korpus disimpan juga menarik untuk dikaji dalam desain korpus. Aspek-aspek bidang informatika tersebut merupakan tujuan dari penelitian ini.

(klik disini untuk unduh artikelnya)

Tags: , , ,

Agfianto Eko Putra on July 4th, 2015

Pemantauan secara terus menerus akan membebani storage pada server, karena ukuran berkas video hasil rekaman akan sangat besar. Salah satu cara untuk mengatasi masalah tersebut adalah dengan membuat agar webcam hanya merekam pada saat-saat dibutuhkan saja. Contoh ‘saat yang dibutuhkan’ ini adalah saat seseorang memasuki ruangan. Karena itu dibutuhkan sebuah sistem pemantauan yang dapat melakukan deteksi gerakan pada suatu ruangan.

Dalam penelitian ini, masalah tersebut coba diselesaikan dengan merancang bangun sistem pemantau ruangan berbasis Komputer mini (Raspberry Pi). Sistem pemantauan ini dibuat menggunakan program motion. Program motion menangani deteksi gerak dan streaming, selain itu sistem juga dibuat agar dapat mengirimkan notifikasi saat terjadi gerakan melalui email. Untuk alasan keamanan dan backup data, sistem juga akan mengunggah video hasil rekaman ke Google Drive. Sistem terdiri dari 1 server dan 1 klien yang saling berhubungan menggunakan jaringan WLAN.

Sistem diuji kinerjanya dengan mengamati parameter frame rate video hasil rekaman. Sistem juga diuji kemampuan deteksi geraknya pada intensitas cahaya yang berbeda-beda. Dari pengujian didapatkan bahwa kondisi terbaik untuk sistem adalah pada ukuran frame 320×240 dengan intensitas cahaya lebih dari 8 lux.

[klik disini]

Tags: , ,