Categories
DSP

Transformasi Fourier – Kapan muncul frekuensi-nya?

Kalau Anda belum tahu cerita saya tentang Transformasi Fourier silahkan klik disini. Jika sudah saya punya pertanyaan…

Baiklah pakai contoh saja dengan Matlab…

Kita buat sebuah sinyal sebagai berikut, masih sama seperti sebelumnya, namun kali ini kedua frekuensi, yaitu 100 Hz dan 200Hz tidak muncul bersamaan tetapi bergantian, apakah Transformasi Fourier mampu melihat kedua frekuensi ini?

fs = 1000;
t = 0:1/fs:0.5;
tx = [t t+t(length(t))];
y1 = sin(2*pi*100*t);
y2 = sin(2*pi*200*t);
y = [y1 y2];
plot(tx,y);
title(‘Sinyal dengan kandungan 2 frekuensi’)
xlabel(‘waktu (detik)’);

Hasilnya, gambaran dari sinyal yang saya tanyakan adalah sebagai berikut…

Kemudian kita lakukan FFT…

Y = fft(y);

Kita gambarkan hasilnya dengan perintah-perintah berikut…

f = fs*(0:(length(Y)-1)/2)/length(Y);
figure;
plot(f,abs(Y(1:(length(Y)+1)/2)));
title(‘Kandungan frekuensi sinyal y (gambar 1 sisi)’);
xlabel(‘frekuensi (Hz)’);

hasilnya sebagai berikut…

Mmmm bisa khan? Sama saja hasilnya… bisa diperoleh 2 frekuensi sesuai dengan dugaan kita, bagaimana jika ditambahkan derau kemudian di-FFT…

ya= y + 2*randn(size(tx));
figure;
plot(tx,ya);
title(‘Sinyal apakah ini….??’);
xlabel(‘waktu (detik)’)
;

YA = fft(ya);
f = fs*(0:(length(YA)-1)/2)/length(YA);
figure;
plot(f,abs(YA(1:(length(YA)+1)/2)));
title(‘Kandungan frekuensi sinyal apa ini….??’);
xlabel(‘frekuensi (Hz)’);

Nah hasilnya…

Sama seperti artikel saya yang lalu khan? Luar biasa Transformasi Fourier ini…

Sekarang pertanyaan saya, lantas bisakah kita tahu bahwasanya ke-2 frekuensi tidak bersamaan munculnya? Ya tidak bisa-lah… hanya kandungan frekuensi saja, sedangkan kapan dan lama waktu muncul masing-masing freuensi itu kita tidak tahu… lantas kalo mo tahu? Ya pake lainnya donk… apaan tuch? Pake STFT (Short Time Fourier Trasnform)…

Wah apa lagi nich…

Ceritanya begini, jika TF bekerja untuk seluruh sinyal, tapi STFT hanya bekerja pada sebuah jendela yang kecil yang kemudian digeser-geser mulai dari awal hingga akhir untuk mendapatkan interpretasi data keseluruhan secara waktu dan frekuensi atau istilahnya time-frequency domain… di Matlab pake perintah specgram()

figure;
specgram(y,256,1000);

Keterangan:
256 sebagai panjang jendela, sedangkan 1000 merupakan fs-nya

Hasilnya…

Nah tuch… kelihatan bahwa kedua frekuensi muncul secara tidak bersamaan, lebih tepat berturutan, hanya saja tidak terlalu jelas dimana tepatnya frekuensi mulai bergantian… Baik sekarang Anda perhatikan masing-masing perintah dan hasil gambarnya sebagai berikut:

figure;
specgram(y,64,1000);
figure;
specgram(y,128,1000);
figure;
specgram(y,256,1000);

Hasilnya secara berturutan…

Mm menarik hasilnya, dengan semakin besar ukuran jendela, semakin akurat resolusi frekuensinya, tapi semakin gak jelas resolusi waktunya. Demikian juga sebaliknya, semakin kecil ukuran jendelanya, semakin bagus resolusi waktunya, tapi resolusi frekuensi-nya makin jelek…

Ini-lah yang dimaksudkan dengan Ketidak-pastian Heisenberg… ada semacam trade-off antara resolusi waktu dan frekuensi, tapi minimal sudah kita peroleh ranah waktu-frekuensi, alhamdulillah…

Ada komentar saudara-saudari sekalian?

Categories
Neurosains

Cara Kerja Otak: Mengapa hasil Seminar Motivasi tidak bertahan lama?

Change your thoughts and you change your world. – Norman Vincent Peale

Every moment is a gift, when we stay open to what is appearing now. – Janet & Chris Attwood

When you are clear, what you want will show up in your life, and only to the extent you are clear. – Janet & Chris Attwood

Saat ini marak sekali buku-buku swa-bantu (self-help) maupun seminar-seminar motivasi yang beredar di negara kita tercinta ini, mulai dari pake NLP, Hypnosis, Mind Power dan lain sebagainya. Bahkan buku-buku atau seminar-seminar tersebut menggunakan embel-embel Magnet Uang, Peternakan Uang, Uang mengejar Anda dan masih banyak lagi, tapi mengapa kok gak sukses-sukses ya? Kok semangat-nya cepet padam, 3 hari, 1minggu, 2 minggu langsung pet?? Wis bubar, selesai, finish…

Kali ini akan saya coba menerangkan dari sisi pendapat yang dikemukakan oleh Dr Andrew Newberg dan Mark Waldman dari Pensylvania Univeristy, Study Center of Spirituality and Mind…

Ketika kita memperkenalkan sebuah gagasan baru ke dalam otak kita, maka akan terjadi kebingungan dan ketidaksesuaian yang menarik pada awalnya. Ini mungkin terasa tidak nyaman. Otak belum tentu menyukai gagasan baru, terutama jika gagasan itu bertentangan dengan keyakinan lama yang telah Anda pegang sejak lama. Jadi, jika Anda menghabiskan waktu bertahun-tahun untuk menanamkan harga diri yang rendah dan secara tiba-tiba Anda memutuskan untuk memperkenalkan gagasan bahwa Anda adalah seseorang yang benar-benar mengagumkan, dua sirkuit otak pasti saling berkompetisi: kenangan lama dan gagasan baru!

Ketika sesuatu yang baru masuk, otak memasuki mode waspada (-lah), Amygdala seakan-akan berkata, “Bangunlah, perhatikan nich, ada sesuatu yang lain/berbeda terjadi di dalam tubuh saya. Apakah ini aman atau bahaya ya?” Orang-orang perlu menyaring masa ketidaknyamanan ini pada waktu mereka menyesuaikan kembali hidup mereka dengan gairah hidup mereka.

Satu temuan neurologis yang sangat menarik menunjukkan bahwa Anda hanya dapat menyimpan kira-kira tujuh bagian besar informasi dalam kesadaran pada satu saat. Ketika informasi lain masuk, otak menyaring keluar unsur-unsur yang dianggapnya tidak penting. Jadi, jika Anda mencoba berpegang pada terlalu banyak gagasan, hasrat, atau tujuan pada suatu saat, otak seakan-akan berkata, “Ini terlalu banyak euy! Saya hanya dapat fokus pada sebagian informasi itu…”

Keterangan sekedarnya (supaya singkat, padat dan jelas)

  • Demikianlah secara ilmiah sudah jelas dari pernyataan Newberg dan Waldman tersebut bahwasanya wajar saja jika seminar-seminar motivasi hanya membuat pesertanya tidak bisa bertahan lama motivasi atau semangatnya, lha wong yang dimasukkan 90% adalah gagasan-gagasan baru langsung dech ketemu langsung dengan gagasan-gagasan lama yang sudah mengakar kuat (banget);
  • Lantas bagaimana? Sebagaimana saran Newberg dan Waldman, Anda harus menuliskan dan memvisualisasikan gagasan-gagasan baru dengan penuh emosi (emosi positif maksudnya, bukan sambil marah-marah) dan sesuai dengan gairah hidup Anda, agar lebih kuat dampak perubahan gagasan-gagasan baru-nya (kapan-kapan akan saya ulas sekalian 6 langkah NAC (Neuro Associated Conditioning)-nya Anthony Robbins terkait dengan masalah ini, Insya Alloh);
  • Nah ada ungkapan bagus dari  Janet dan Chris Atwood, “Ketika Anda Jelas, apa yang Anda inginkan akan jelas terlihat dalam hidup Anda, dan hanya sampai sejauh Anda jelas melihatnya“. Jadi kuncinya adalah Become CLEAR! (gak hubungannya dengan salah satu produk shampoo). Maksudnya Anda harus jelas, apa yang sebenarnya Anda inginkan – terkait dengan gairah hidup Anda donk. Kalo gak tahu, gimana kita bisa tahu kalo sudah dapet apa yang kita inginkan?? Iya gak? Ini terkait dengan pemrograman pikiran;
  • Nah kalo tentang pemrograman pikiran (lebih tepatnya pandangan atau keyakinan hidup yang tersimpan ketat dalam pikiran) dijelaskan oleh Gunawan dan Setyono, “Sejak lahir kita telah mulai mendapat program, terutama dari orangtua kita. Apapun yang kita alami selama proses pertumbuhan dan perkembangan kita merupakan proses pemrograman yang tanpa kita sadari membentuk diri kita hingga saat ini“. Nah tu berabe khan…?
  • Nah sekarang kalo mo memasukkan gagasan2 baru untuk mengubah perilaku kita, sebaiknya jangan banyak2, lima aja sudah cukup, cari yang paling penting dan prioritas tinggi donk… Sesuaikan dengan gairah hidup Anda (your Life Passion), bisa khan? Selamat mencoba semoga berhasil, sukses, amin!
  • Jadi rumusnya: gagasan-gagasan baru + gairah hidup + komitmen = motivasi dan sukses tahan lama, Insya Alloh! Oya kenapa ada komitmen? Ya iyalah mosok punya gagasan yang sejalan dengan gairah hidup kok gak bisa komitmen, ya mestinya akan komitmen secara otomatis, iya khan?

Sumber:

Bingung, mo tanya2, silahkan saja pake form komentar atau sms/call 08886931260, semoga bermanfaat..

Categories
PLC/SCADA

Distributed Control System (DCS)

DCS merupakan sistem kontrol yang mampu menghimpun (mengakuisisi) data dari lapangan dan memutuskan akan diapakan data tersebut, secara singkat DCS -> ambil/baca data + lakukan pengontrolan berdasar data tersebut. Data-data yang telah diakuisisi (diperoleh) dari lapangan bisa disimpan untuk rekaman atau keperluan-keperluan masa datang, atau digunakan dalam proses-proses saat itu juga, atau bisa juga, digabung dengan data-data dari bagian lain proses, untuk kontrol lajutan dari proses yang bersangkutan.

Terdiri dari apa saja DCS itu?

  • Operator Console
    Alat ini mirip monitor komputer. Digunakan untuk memberikan informasi umpan balik tentang apa yang sedang dikerjakan atau dilakukan dalam pabrik, selain itu juga bisa menampilkan perintah yang diberikan pada sistem kontrol. Melalui konsol ini juga, operator memberikan perintah pada instrumen-instrumen di lapangan.
  • Engineering Station
    Ini adalah stasion2 untuk para teknisi yang digunakan untuk mengkonfigurasi sistem dan juga mengimplementasi algoritma pengontrolan.
  • History Module
    Alat ini mirip dengan harddisk pada komputer. Alat ini digunakan untuk menyimpan konfigurasi DC dan juga konfigurasi semua titik di pabrik. Alat ini juga bisa digunakan untuk menyimpan berkas-berkas grafik yang ditampilkan di konsol dan banyak sistem saat ini mampu menyimpan data-data operasional pabrik.
  • Data Historian
    Biasanya berupa perangkat lunak yang digunakan untuk menyimpan variabel2 proses, set point dan nilai-nilai keluaran. Perangkat lunak ini memiliki kemammpuan laju scan yang tinggi dibandingkan History Module.
  • Control Modules
    Ini seperti otaknya DCS. Disinilah fungsi-fungsi kontrol dijalankan, seperti kontrol PID, kontrol pembandingan, kontrol rasio, operasi-operasi aritmatika sederhana maupun kompensasi dinamik. Saat ini sudah ada peralatan modul kontrol yang lebih canggih dengan kemampuan yang lebih luas.
  • I/O
    Bagian ini digunakan untuk menangani masukan dan luaran dari DCS. Masukan dan luaran tersebut bisa analog, bisa juga digital. Masukan/luaran digital seperti sinyal-sinyal ON/OFF atau Start/Stop. Kebanyakan dari pengukuran proses dan luaran terkontrol merupakan jenis analog.

Semua elemen-elemen yang telah dijelaskan tersebut terhubungkan dalam satu jaringan (saat ini sudah menggunakan teknologi Ethernet atau bahkan wireless, WiFi atau WiMax).

Saat ini batasan teknologi maupun perbedaan antara DCS, PLC atau Kontrol menggunakan komputer semakin kabur. Yang membedakan lebih banyak dalam tingkat perangkat lunak.

Categories
DSP

Transformasi Fourier, apaan tuch?

Transformasi Fourier merupakan keluarga dari Transformasi Integral, gampangnya, ini adalah ‘alat’ yang bisa kita gunakan untuk melihat sinyal dengan kacamata yang lain. Jika selama ini kita hanya melihat sinyal melalui osiloskop atau alat sejenis lainnya, itu adalah visualisasi sinyal dalam ranah waktu (time domain), sumbu horisontal-nya waktu (t) dan sumbu vertikal-nya adalah amplitudo (A)…

Mmmm lantas ngapain? Ya kita tidak bisa tahu secara langsung informasi penting di ranah waktu kecuali amplitudo dan kapan terjadinya, bisakah menghitung frekuensinya? Mmmm gampang, itu mungkin jawaban Anda, karena bisa jadi Anda hanya membayangkan sebuah gelombang sinusoidal, Anda tinggal hitung berapa gelombang dalam satu detiknya, thing! Langsung ketemu sekian gelombang/detik atau pake satuan cycle/sec atau Hz…

Nah kalo sinyalnya kayak gini gimana dong…

Okey… okey, Anda bisa bilang ‘Ya iyalah mosok ya iya donk… Gimana ngitungnya kalo bentuk gak karuan kayak gitu, terkesan acak dech, jangan-jangan emang gak periodik… piye to iki mas…??’

Baik sebelum cari informasi frekuensi dari gelombang tersebut, akan saya jelaskan langkah demi langkah… Are You ready?? Are You ready?? Are You ready?? wis gak usah kebanyakan omong/tanya…

Masih pake bantuan Matlab, kita awali dengan mendefinisikan sinyal yang akan digunakan sebagai percobaan. Frekuensi cuplikan 1000 Hz (=fs), kita gambar hanya 0,5 detik pertama (=t) untuk sebuah sinyal dengan 2 kandungan frekuensi 100 Hz dan 200 Hz (=y):

fs = 1000;
t = 0:1/fs:0.5;
y = sin(2*pi*100*t)+sin(2*pi*200*t);

kemudian kita gambar yuuk…

plot(t,y);
title(‘Sinyal dengan kandungan 2 frekuensi’)
xlabel(‘waktu (detik)’);

hasilnya…

Kemudian kita lakukan FFT (Fast Fourier Transform), pake perintah fft-nya Matlab:

Y = fft(y);

Kemudian kita gambar hasilnya apa adanya, ingat bahwa hasil dari FFT selalu ada 2 (karena efek simetris):

f = fs*(0:length(Y)-1)/length(Y);
figure;
plot(f,abs(Y));
title(‘Kandungan frekuensi sinyal y (gambar 2 sisi)’)
xlabel(‘frekuensi (Hz)’);

hasilnya…

Baik sekarang kita gambar 1 sisi saja yach…

f = fs*(0:(length(Y)-1)/2)/length(Y);
figure
plot(f,abs(Y(1:(length(Y)+1)/2)));
title(‘Kandungan frekuensi sinyal y (gambar 1 sisi)’)
xlabel(‘frekuensi (Hz)’);

hasilnya…

Gimana mudeng, paham? Enak khan langsung ketahuan frekuensinya… 100Hz dan 200Hz…! Ups terus gimana dengan gambar pertama tadi? Ini dia hasil FFT-nya…

We.. e.. e… jebulannya (ternyata) bagaimana? kandungan-nya sama seperti sinyal awal, 100 Hz dan 200Hz, tapi kok ada tambahan gambar ‘rumput’-nya ya? Ya iyalah donk… lha wong sinyal asli saya kasih derau atau sinyal acak kok… he he he…

Silahken kasih komentar atau pertanyaan, atau barangkali Anda penasaran dengan skrip/program untuk membuat sinyal asli plus acak dan menampilkan FFT-nya? Silahken berkomentar…

NB:
Kenapa saya pake perintah figure untuk memplot gambar-gambar berikutnya? ya supaya gambar awal tidak hilang donk dan ada gambar baru yang muncul… he he he gitu aja kok repot…

Categories
Neurosains

Cara Kerja Otak – Gairah, Tahu Apa yang Anda inginkan!

Otak sangat senang ketika Anda terfokus pada apa yang Anda senangi. Semakin Anda berfokus pada apa yang benar-benar Anda senangi dan inginkan, volumenya akan menjadi berkurang di bagian-bagian sistem limbik dimana emosi destruktif berupa ketakutan, kemarahan, depresi dan kecemasan dikendalikan. Ini memungkinkan Anda untuk berpikir secara lebih jelas.

Anda juga meningkatkan volume di bagian-bagian lain dari sistem limbik yang menghasilkan emosi positif. Jika ini terjadi, Anda melepaskan dopamin, endorfin dan berbagai hormon pengurang stress dan neurotransmiter. Semakin Anda berfokus pada apa yang benar-benar Anda senangi, kemungkinannya Anda akan semakin sehat dan Anda akan semakin merasakan pengaruh positif dari neurochemical dalam tubuh dan pikiran Anda.

Anda sebenarnya mendapatkan keuntungan ganda. Anda mengalami penurunan dalam emosi-emosi negatif dan peningkatan dalam emosi-emosi positif ketika Anda menyesuaikan diri Anda dengan apa yang Anda yakini paling penting bagi Anda.

Ini adalah pernyataan dari…

Dr. Andrew Newberg (info) & Mark Robert Waldman
Ahli Neurosains di University of Pensylvania’s Center for Spirituality and The Mind
(mereka berdua menulis sebuah buku fenomenal “Born to Believe“)

Komentar saya…

  • Untuk contoh nyata, Anda bisa belajar dari bu Sumirah, gairah beliau adalah membantu anak-anak yatim agar mendapatkan kehidupan dan pendidikan yang layak. Konsep Dr. Andre, secara ilmiah, bekerja sepenuhnya atas Ijin-Nya juga.
  • Anda juga bisa merenungkan bahwa Hidup ini adalah Anugerah, sebelum Anda melewati hari-hari Anda dengan kekecewaan-kekecewaan. Saya juga membahas tentang kekuatan DUIT dengan iringan gairah hidup, salah satunya untuk mencari ridlo-Nya semata…
  • Dan kita-pun juga harus siap dengan Doa yang pasti dikabulkan-Nya, walaupun bungkusnya tidak seindah yang kita bayangkan…

Semoga bermanfaat…

Categories
Mikrokontroler Pembelajaran

RISC vs. CISC

Cara sederhana untuk melihat kelebihan dan kelemahan dari arsitektur RISC (Reduced Instruction Set Computers) adalah dengan langsung membandingkannya dengan arsitektur pendahulunya yaitu CISC (Complex Instruction Set Computers).

Perkalian Dua Bilangan dalam Memori

Pada bagian kiri terlihat sebuah struktur memori (yang disederhanakan) suatu komputer secara umum. Memori tersebut terbagi menjadi beberapa lokasi yang diberi nomor 1 (baris): 1 (kolom) hingga 6:4. Unit eksekusi bertanggung-jawab untuk semua operasi komputasi. Namun, unit eksekusi hanya beroperasi untuk data-data yang sudah disimpan ke dalam salah satu dari 6 register (A, B, C, D, E atau F). Misalnya, kita akan melakukan perkalian (product) dua angka, satu disimpan di lokasi 2:3 sedangkan lainnya di lokasi 5:2, kemudian hasil perkalian tersebut dikembalikan lagi ke lokasi 2:3.

Pendekatan CISC

Tujuan utama dari arsitektur CISC adalah melaksanakan suatu perintah cukup dengan beberapa baris bahasa mesin sedikit mungkin. Hal ini bisa tercapai dengan cara membuat perangkat keras prosesor mampu memahami dan menjalankan beberapa rangkaian operasi. Untuk tujuan contoh kita kali ini, sebuah prosesor CISC sudah dilengkapi dengan sebuah instruksi khusus, yang kita beri nama MULT. Saat dijalankan, instruksi akan membaca dua nilai dan menyimpannya ke 2 register yag berbeda, melakukan perkalian operan di unit eksekusi dan kemudian mengambalikan lagi hasilnya ke register yang benar. Jadi instruksi-nya cukup satu saja…

MULT 2:3, 5:2

MULT dalam hal ini lebih dikenal sebagai “complex instruction”, atau instruksi yang kompleks. Bekerja secara langsung melalui memori komputer dan tidak memerlukan instruksi lain seperti fungsi baca maupun menyimpan.

Satu kelebihan dari sistem ini adalah kompailer hanya menerjemahkan instruksi-instruksi bahasa tingkat-tinggi ke dalam sebuah bahasa mesin. Karena panjang kode instruksi relatif pendek, hanya sedikit saja dari RAM yang digunakan untuk menyimpan instruksi-instruksi tersebut.

Pendekatan RISC

Prosesor RISC hanya menggunakan instruksi-instruksi sederhana yang bisa dieksekusi dalam satu siklus. Dengan demikian, instruksi ‘MULT’ sebagaimana dijelaskan sebelumnya dibagi menjadi tiga instruksi yang berbeda, yaitu “LOAD”, yang digunakan untuk memindahkan data dari memori ke dalam register, “PROD”, yang digunakan untuk melakukan operasi produk (perkalian) dua operan yang berada di dalam register (bukan yang ada di memori) dan “STORE”, yang digunakan untuk memindahkan data dari register kembali ke memori. Berikut ini adalah urutan instruksi yang harus dieksekusi agar yang terjadi sama dengan instruksi “MULT” pada prosesor RISC (dalam 4 baris bahasa mesin):

LOAD A, 2:3
LOAD B, 5:2
PROD A, B
STORE 2:3, A

Awalnya memang kelihatan gak efisien iya khan? Hal ini dikarenakan semakin banyak baris instruksi, semakin banyak lokasi RAM yang dibutuhkan untuk menyimpan instruksi-instruksi tersebut. Kompailer juga harus melakukan konversi dari bahasa tingkat tinggi ke bentuk kode instruksi 4 baris tersebut.

CISC RISC
Penekanan pada
perangkat keras
Penekanan pada
perangkat lunak
Termasuk instruksi
kompleks multi-clock
Single-clock, hanya
sejumlah kecil instruksi
Memori-ke-memori:
“LOAD” dan “STORE”
saling bekerjasama
Register ke register:
“LOAD” dan “STORE”
adalah instruksi2 terpisah
Ukuran kode kecil,
kecepatan rendah
Ukuran kode besar,
kecepatan (relatif) tinggi
Transistor digunakan untuk
menyimpan instruksi2
kompleks
Transistor banyak dipakai
untuk register memori

Bagaimanapun juga, strategi pada RISC memberikan beberapa kelebihan. Karena masing-masing instruksi hanya membuthukan satu siklus detak untuk eksekusi, maka seluruh program (yang sudah dijelaskan sebelumnya) dapat dikerjakan setara dengan kecepatan dari eksekusi instruksi “MULT”. Secara perangkat keras, prosesor RISC tidak terlalu banyak membutuhkan transistor dibandingkan dengan CISC, sehingga menyisakan ruangan untuk register-register serbaguna (general purpose registers). Selain itu, karena semua instruksi dikerjakan dalam waktu yang sama (yaitu satu detak), maka dimungkinkan untuk melakukan pipelining.

Memisahkan instruksi “LOAD” dan “STORE” sesungguhnya mengurangi kerja yang harus dilakukan oleh prosesor. Pada CISC, setelah instruksi “MULT” dieksekusi, prosesor akan secara otomatis menghapus isi register, jika ada operan yang dibutuhkan lagi untuk operasi berikutnya, maka prosesor harus menyimpan-ulang data tersebut dari memori ke register. Sedangkan pada RISC, operan tetap berada dalam register hingga ada data lain yang disimpan ke dalam register yang bersangkutan.

Persamaan Unjuk-kerja (Performance)

Persamaan berikut biasa digunakan sebagai ukuran unjuk-kerja suatu komputer:

Pendekatan CISC bertujuan untuk meminimalkan jumlah instruksi per program, dengan cara mengorbankan kecepatan eksekusi sekian silus/detik. Sedangkan RISC bertolak belakang, tujuannya mengurangi jumlah siklus/detik setiap instruksi dibayar dengan bertambahnya jumlah instruksi per program.

Penghadang jalan (Roadblocks) RISC

Walaupun pemrosesan berbasis RISC memiliki beberapa kelebihan, dibutuhkan waktu kurang lebih 10 tahunan mendapatkan kedudukan di dunia komersil. Hal ini dikarenakan kurangnya dukungan perangkat lunak.

Walaupun Apple’s Power Macintosh menggunakan chip berbasis RISC dan Windows NT adalah kompatibel RISC, Windows 3.1 dan Windows 95 dirancang berdasarkan prosesor CISC. Banyak perusahaan segan untuk masuk ke dalam dunia teknologi RISC. Tanpa adanya ketertarikan komersil, pengembang prosesor RISC tidak akan mampu memproduksi chip RISC dalam jumlah besar sedemikian hingga harganya bisa kompetitif.

Kemerosotan juga disebabkan munculnya Intel, walaupun chip-chip CISC mereka semakin susah digunakan dan sulit dikembangkan, Intel memiliki sumberdaya untuk menjajagi dan melakukan berbagai macam pengembangan dan produksi prosesor-prosesor yang ampuh. Walaupun prosesor RISC lebih unggul dibanding Intel dalam beberapa area, perbedaan tersebut kurang kuat untuk mempengaruhi pembeli agar merubah teknologi yang digunakan.

Keunggulan RISC

Saat ini, hanya Intel x86 satu-satunya chip yang bertahan menggunakan arsitektur CISC. Hal ini terkait dengan adanya kemajuan teknologi komputer pada sektor lain. Harga RAM turun secara dramatis. Pada tahun 1977, DRAM ukuran 1MB berharga %5,000, sedangkan pada tahun 1994 harganya menjadi sekitar $6. Teknologi kompailer juga semakin canggih, dengan demikian RISC yang menggunakan RAM dan perkembangan perangkat lunak menjadi semakin banyak ditemukan.

Terjemahan bebas dari…

Categories
Mikrokontroler

Trik Tampilan Seven Segmen – si POLOS vs. si PENERJEMAH

Untuk menampilkan data-data melalui 7-segmen menggunakan mikrokontroler AT89 bisa dilakukan dalam 2 cara alternatif yang akan saya terangkan berikut ini, jika Anda pemula dalam mikrokontroler, ada baiknya Anda mengunduh ebook gratis saya mengenai pengenalan PLC dan mikrokontroler dan (sangat) disarankan untuk membaca (dengan cara membeli terlebih dahulu, he he he…) buku saya, informasinya ada disini!

Kita akan gunakan 7-segmen CA (Common Anode), dengan demikian untuk menyalakan perlu diberi logika 0, sedangkan konfigurasi 7-segmen sebagai berikut…

Baiklah rangkaian pertama si POLOS sebagai berikut…

sedangkan program dalam bahasa BASIC menggunakan BASCOM51 saya tampilkan berikut…

$regfile = "89c55wd.dat"
$crystal = 12000000
' urutan g,f,e,d,c,b,a masing-masing ke 6,5,4,3,2,1,0
' angka 1 = b,c         = &b11111001 = &h79
' angka 0 = a,b,c,d,e,f = &b11000000 = &hC0

Do
  P0 = &H79
  P2 = &HC0
  Wait 1
  P0 = &HC0
  P2 = &H79
  Wait 1
Loop
End

Keterangan:

  • $regfile digunakan untuk memberitahukan berkas uC yang digunakan, disini kita pake AT89C55 dengan fasilitas watchdog (at89c55wd.dat);
  • $crystal = 12000000, adalah pernyataan kristal yang kita gunakan adalah 12 MHz;
  • Karena urutan port sebagaimana ditulis dalam keterangan program, maka agar ditampilkan angka ‘1’ digunakan data &h79, sedangkan untuk angka ‘0’ digunakan data &hC0;
  • wait 1, artinya tunggu 1 detik, jika terlalu lama, Anda bisa gunakan waitms <angka>, dengan <angka> bisa Anda isi angka dalam satuan milidetik paling besar 255.

Hasilnya…

setelah 1 detik

Mudah khan… gampang kok belajar Mikrokontroler AT89, apalagi pake buku saya he he he….

Baiklah rangkaian yang kedua si PENERJEMAH

sedangkan contoh programnya…

$regfile = "89c55wd.dat"
$crystal = 12000000

Do
   P2 = &H10
   Wait 1
   P2 = &H01
   Wait 1
Loop
End

Hasilnya…

setelah 1 detik

Lo… kok data yang dikirim berbeda ya dengan yang pertama? Iya ya lah… lha wong sekarang antara uC dengan 7-segmen digunakan penerjemah BCD to 7-segmen kok (74LS47 yang cocok dengan 7-segmen CA, sedangkan 74LS48 cocok dengan 7-segmen CC (Common Cathode))… artinya jika kita kirim angka ‘0’ ke 74LS47, maka IC tersebut akan menerjemahkan data ‘0’ sebagai tampilan ‘0’ di 7-segmen, begitu seterusnya sampe angka ‘9’. Dan untungnya untuk 2×7-segmen hanya dibutuhkan 1 port aja… iya toh…

Mmm enak ya pake 74LS47 tinggal kirim angka-nya, gak pake penerjemahan manual kayak rangkaian yang pertama…. Enak apaan?! Lha wong harus dibayar mahal dengan beli IC 74LS47 dua biji loch…. he he he…

Anda bisa mengembangkan menjadi maksimal 4x2x7-segmen atau 8×7-segmen jika menggunakan 74LS47 (atau 74LS48), tapi tidak ada sisa satu port-pun, karena semua dipake untuk tampilan, kecuali Anda gunakan trik-trik khusus, misalnya, untuk pake 1 port bisa jadi 6x7segmen, gimana caranya? Ehm lain kali aja yach saya terangkan… Insya Alloh….

Hikmah:
“Semakin mudah implementasi pemrograman uC semakin mahal biaya-nya, karena rangkaiannya semakin rumit dan kompleks, demikian juga dengan kehidupan, semakin mudah implementasi hidup, semakin mahal biaya-nya” (AEP)

Ada komentar/pertanyaan, silahkan…

Categories
Neurosains

Efek Placebo: Tidak Semuanya ada di Kepala Anda

Untuk membantu pemasaran obat-obatan, perusahan farmasi harus menunjukkan bahwa hasilnya lebih baik daripada Efek Placebo. Namun, kadangkala Efek Placebo jauh lebih ampuh dari obat yang sesungguhnya. Hal ini telah menjadi misteri yang cukup lama bagaimana tubuh kita kok bisa-bisanya terpengaruh oleh obat palsu (gadungan, Efek Placebo), namun para ilmuwan telah banyak melakukan pelitian yang semakin mendekati pemecahan misteri ini, ternyata ada sebuah gen tertentu yang bertanggung-jawab (nach lo…) pada satu tipe Efek Placebo!

Efek Placebo bekerja karena pasien-pasien (sangat) percaya bahwa mereka menerima perawatan yang sesunguhnya. Mengharapkan perawatan sama halnya dengan mengharapkan penghargaan, sebagaimana telah ditunjukkan dalam berbagai macam penelitian, dan pengharapan penghargaan tersebut telah memicu pembebasan neurotransmitter dopamine dalam otak, yang membantu mengurangi gejala-gejala sakit dan depresi kronis. Lantas bagaimana Efek Placebo untuk kondisi-kondisi lainnya?

Tomas Furmark, seorang psikolog dari Universitas Uppsala di Swedia, menduga bahwa suatu neurotransmitter yang berbeda memegang peranan penting dalam tanggap Placebo pada gejala SAD atau Social Anxiety Disorder – suatu ketakutan yang tidak wajar karena merasa dihakimi (dinilai) orang lain. Studi citra otak (gambar dibawah) menunjukka bahwa amigdala, suatu area di otak yang mengatur tanggap ketakutan, aktif secara tidak wajar pada pasien-pasien SAD. Orang sehat dengan variasi tertentu dari dua gen yang mengatur neurotransmitter serotonin memilliki lebih banyak amigdala yang aktif.

Efek yang nyata: Pasien dengan sebuah salinan gen serotonin menunjukkan aktivitas amigdala yang lebih sedikit (kiri),hal ini menunjukkan adanya penurunan kecemasan, setelah pasien dikenai perlakuan efek Placebo. (Sumber: T. Furmark et al., Journal of Neuroscience)

Berdasar hasil ini, Furmark bersama koleganya – bekerja sama dengan perusahaan farmasi GlaxoSmithKline – menjalankan percobaan terkedali-placebo terhadap 108 pasien yang telah teridentifikasi sebelumnya menderita SAD. Para sukarelawan tersebut secara acak menerima baik pengobatan serotonin baru atau pil gula selama 8 minggu. Pada awal percobaan, pasien diminta untuk mempersiapkan dan melakukan pidato di depan sejumlah orang – suatu pemicu kecemasan – selama pidato dilakukan perekaman aktivitas amigdala menggunakan tomografi emisi positron. Teknik ini membolehkan para ilmuwan untuk merekam atau memantau aliran darah – dan sekaligus aktivitas – di beberapa area otak yang berbeda. Di akhir masa perawatan, mereka juga diminta untuk melakukan pidato (lagi), sehingga para ilmuwan bisa mendeteksi apakah pola aktivitas otaknya berubah.

Bahkan gula telah cukup untuk mengatasi beberapa kasus. Dari 25 pasien yang menerima placebo, 10 dilaporkan kegelisahan-nya berkurang pada akhir kajian. (Jumlah kelompok perlakuan tidak diberitahukan karena percobaan ini maish berlangsung.) Pindaian Otak selama pidato yang kedua menunjukkan amygdala mereka menjadi kurang aktif. Analisis genetik menunjukkan bahwa delapan orang yang mendapat bantuan dari placebo memiliki versi tertentu dari sebuah gen yang mengatur produksi serotonin disebut tryptophan hydroxylase promotor-2 (TPH2). Ini adalah salah satu varian genetik yang sama terkait dengan aktivitas di amygdala orang sehat. TPH2 adalah tanda pertama genetik yang terikat pad respon placebo apapun, demikian tim melaporkan.

Mencari tanda-tanda genetik untuk efek placebo dapat menimbulkan pertanyaan tentang etika yaitu bagaimana perusahaan mendesain uji klinis, tanya Furmark. Misalnya, “dapat menjadi godaan untuk menayangkan semua individual dan … memilih hanya mereka yang nonresponsive phenotype [terhadap percobaan].”

Psikiater Helen Mayberg dari Universitas Emory di Atlanta, Georgia, yang telah mempelajari Efek Placebo pada depresi, setuju bahwa penemuan tersebut dapat berimplikasi pada rancangan penelitian. Tetapi, awalnya dibutuhkan lebih banyak riset untuk menentukan apakah tanda genetik untuk placebo berasal dari SAD dapat disamaratakan untuk penyakit lainnya dan gen-gen lain apa saja yang ikut berkontribusi terhadap fenomena tersebut, ujarnya.

Diterjemahkan bebas dari…

  • Rachel Zelkowitz, The Placebo Effecr: Not All in Your Head, ScienceNOW Daily News, 2 December 2008

Semoga bermanfaat…!

Categories
DSP

Analisis Sinyal Menggunakan Wavelet – Pendahuluan

Kebutuhan akan resolusi tinggi dalam analisis sinyal non-stasioner telah mengakibatkan perkembangan berbagai sarana (tools) yang ampuh untuk menganalisis data-data sinyal non-stasioner.

Metode Transformasi berbasis Wavelet merupakan salah satu sarana yang dapat digunakan untuk menganalisis (meneliti) sinyal-sinyal non-stasioner. Dalam beberapa tahun terakhir ini, metode ini telah dibuktikan kegunaannya dan sangat populer di berbagai bidang ilmu. Analisis Wavelet dapat digunakan untuk menunjukkan kelakukan sementara (temporal) pada suatu sinyal, misalya dalam bidang geofisika (sinyal seismik), fluida, medik dan lain sebagainya. Metode Transformasi Wavelet ini dapat digunakan untuk menapis data atau meningkatkan mutu kualitas data; dapat juga digunakan untuk mendeteksi kejadian-kejadian tertentu serta dapat digunakan untuk pemampatan data (Foster dkk., 1994).

Selain itu Transformasi Wavelet juga dapat digunakan untuk analisis sinyal-sinyal non-stasioner (yaitu sinyal yang kandungan frekuensinya bervariasi terhadap waktu), karena berkaitan dengan kemampuannya untuk memisah-misahkan berbagai macam karakteristik pada berbagai skala (Anant dan Dowla, 1997).

Konsep Transformasi Wavelet telah dirumuskan sejak awal 1980-an oleh beberapa ilmuwan seperti Morlet, Grosmann, Daubechies dan lain-lain. Sejak itu Wavelet kemudian dikembangkan dalam beberapa area disiplin ilmu atau aplikasi seperti matematika, fisika, pemrosesan citra, analisis numerik, pengolahan data citra dan data geofisika. Transformasi Wavelet merupakan transformasi yang terpadu menggunakan kernel terintegrasi yang dinamakan wavelet. Wavelet ini digunakan dalam dua cara:

  1. Sebagai kernel terintegrasi untuk analisis serta mengekstraksi informasi suatu data, dan
  2. Sebagai suatu basis penyajian atau karakterisasi suatu data. Hal ini akan membawa kita kepada 2 (dua) pertanyaan berikut:
    1. informasi apakah yang dapat diekstraksi menggunakan wavelet ? dan
    2. bagaimana cara kita memperoleh suatu penyajian atau deskripsi suatu data menggunakan wavelet ?

Jawaban untuk pertanyaan yang pertama terletak pada sifat terpenting dari wavelet yaitu lokalisasi waktu-frekuensi (time-frequency localization). Kelebihan dari analisis sinyal menggunakan wavelet adalah bahwa dapat dipelajarinya karakteristik sinyal secara lokal dan detil, sesuai dengan skala-nya. Sifat ini sangat berguna untuk sinyal-sinyal non-stasioner atau memiliki komponen transien dengan waktu-hidup (lifetime) yang pendek atau memiliki karakteristik yang berbeda pada skala-skala yang berbeda atau memiliki singularitas. Sedangkan jawaban untuk pertanyaan yang kedua didasarkan pada cara memandang wavelet sebagai blok pembangun dalam proses penguraian (decomposition) atau ekspansi deret. Jadi, suatu penyajian data menggunakan wavelet dilakukan dengan cara ekspansi tak-berhingga dari wavelet yang diulur atau dilated dan digeser atau translated (Kumar dan Foufoula-Georgiou, 1994).

Wavelet merupakan fungsi matematik yang membagi-bagi data menjadi beberapa komponen frekuensi yang berbeda-beda, kemudian dilakukan analisis untuk masing-masing komponen menggunakan resolusi yang sesuai dengan skalanya (Graps, 1995). Kepentingan penggunaan Transformasi Wavelet ini berdasarkan fakta bahwa dengan Transformasi Wavelet akan diperoleh resolusi waktu dan frekuensi yang jauh lebih baik daripada metode-metode lainnya seperti Transformasi Fourier maupun Transformasi Fourier Waktu Pendek (STFT=Short Time Fourier Transform), selain itu analisis data pada kawasan waktu dan frekuensi penting dan harus dilakukan untuk mempelajari perilaku sinyal-sinyal non-stasioner, selain itu juga dapat dilakukan analisis data pada kawasan waktu dan amplitudo serta kawasan frekuensi dan daya (spektrum).

Daftar Pustaka:

  • Anant, K.S. dan Dowla, F.U., 1997, Wavelet Transform Methods for Phase Identification in Three-Component Seismograms, Bulletin of Seismological Society of America, Vol. 87, No. 6, halaman 1598 – 1612.
  • Foster, D.J., Mosher, C.C. dan Hassanzadeh, S., 1994, Wavelet Transform Methods for Geophysical Applications, 64th Annual International Meeting, Soc. Expl. Geophys., Expanded Abstract, halaman 1465 – 1468.
  • Graps, A., 1995, An Introduction to Wavelets, IEEE Computational Science and Engineering, vol.2, num.2, IEEE Computer Society, Loas Alamitos – CA, USA.
  • Kumar, P. dan Foufoula-Georgiou, E., 1994, Wavelet Analysis in Geophysics: An Introduction, Wavelet in Geophysics, Academic Press Inc., USA, halaman 1-43.

semoga bermanfaat… (klik disini untuk mengunduh ebook-nya)

Categories
Mikrokontroler

Watchdog dengan BASCOM-51 atau BASCOM-AVR

Diterbitkan Nopember 2008, di-update 27 Januari 2010

Pewaktu watchdog merupakan piranti pewaktuan perangkat keras yang bisa memicu reset sistem pada saat program utama, karena ada beberapa keasalahan, seperti hang, mengabaikan layanan rutin ke watchdog (biasanya seperti pemberian pulsa secara rutin), atau gampangannya kalo Anda punya anjing atau kucing kemudian lupa memberikan makan, apa yang terjadi? Ya jegog atau ngeong khan?? Dalam hal ini, saat jegog atau ngeong, pewaktu watchdog akan mereset sistem. Intinya, mengembalikan sistem ke awal mula (kondisi normal) karena telah terjadi kesalahan atau hang tadi…

Watchdog pada keluarga AT89 (khususnya seri AT89S52 ke atas) terdiri dari sebuah pencacah 13-bit dan Watchdog Timer Reset (WDTRST). WDT atau pewaktu watchdog biasanya tidak (belum) diaktifkan. Untuk mengaktifkan WDT, pengguna harus menuliskan 0x1E dan 0xE1 secara berurutn ke register WDTRST (lokasi SFR alamat 0xA6). Saat WDT diaktifkan, nilainya akan selalu dinaikkan setiap siklus mesin selama osliator juga bekerja. Timeout pada WDT bergantung pada frekuensi kristal atau detak yang digunakan. Tidak ada jalan lain untuk menon-aktifkan WDT kecuali melalui RESET (baik reset secara perangkat keras atau reset karena WDT melimpah atau overflow). Pada saat WDT melimpah, maka akan menghasilkan luaran pulsa RESET HIGH pada pin RST.

Instruksi Watchdog pada BASCOM51/BASCOM-AVR

Sintaks:

START WATCHDOG ' untuk menjalankan pewaktu watchdog
STOP WATCHDOG  ' untuk menghentikan pewaktu watchdog
RESET WATCHDOG ' untuk mereset nilai pewaktu Watchdog

Catatan:

  • AT89S8252 memiliki pewaktu Watchdog internal.
  • Pewaktu watchdog adalah pewaktu yang bisa me-RESET mikrokontroler saat mencapai nilai tertentu.
  • Selama jalannya program, pewaktu ini harus di-reset (secara manual) sebelum mencapai nilai maksimum-nya. Hal ini untuk memastikan bahwa program berjalan dengan baik dan benar (kayak bahasa Indonesia aja ya…).
  • Saat program mengalami masalah (hang, crash) atau diam saja pada suatu kalang, maka tidak terjadi proses reset pewaktu Watchdog sehingga RESET sistem secara otomatis akan terjadi.

Anda perlu mengkonfigurasi waktu reset Watchdog dengan perintah…

CONFIG WATCHDOG = waktu

Waktu, yang dinyatakan dalam milidetik, jika watchdog tidak direset, akan menyebabkan limpahan (overflow) yang kemudian me-RESET sistem, nilainya antara lain: 16, 32, 64, 128, 256, 512, 1024 atau 2048

Contoh dan penjelasan

$regfile="89s8252.dat"
$crystal = 12000000
$baud = 2400

Config Watchdog = 2048           ' lakukan reset setelah 2048 milidetik
Start Watchdog                   ' jalankan pewaktu watchdog
Dim I As Word
For I = 1 To 10000
   Print I                         ' tampilkan nilai I
'  Reset Watchdog
'
' jika Anda perhatikan, perintah FOR-NEXT
' tidak akan selesai karena keburu di-RESET
' tetapi jika perintah Reset Watchdog diaktifkan...
' instruksi FOR-NEXT akan berjalan dengan normal,
' karena pewaktu WDT akan di-reset sebelum
' mencapai 2048 milidetik
Next
End

Semoga bermanfaat…