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.
Author: sekti
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.
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.
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.
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.
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.
Seiring perkembangan teknologi banyak metode pengukuran arus, tegangan serta faktor daya yang dikembangkan. Pada penelitian ini dilakukan inovasi pengembangan sistem instrumentasi yaitu alat ukur daya listrik yang dapat diakses secara online sehingga informasi jumlah penggunaan daya listrik dan jumlah tagihan dapat diakses melalui website. Sistem ini dirancang menggunakan Netduino Plus berbasis ARM SAM7X, sensor ACS712 5A sebagai sensor arus dan juga menggunakan modul pengukur tegangan yang digunakan untuk mendeteksi tegangan dengan prinsip penyearah arus dan rangkaian pembagi tegangan. Mekanisme perhitungan penggunaan listriknya dilakukan dengan mengakumulasi daya yang dihitung setiap detik. Purwarupa alat ukur daya listrik ini berhasil dibuat dengan baik dan diketahui bahwa sensor arus pada sistem ini memiliki presentase keakuratan sebesar 98,4%, pada modul pengukur tegangan memiliki presentase keakuratan sebesar 96,6%.
Telah berhasil dibuat model teknik subsistem OBDH dari UGM-SAT. Subsistem OBDH bertugas untuk mengendalikan pertukaran data dan komunikasi antara OBDH dengan subsistem lain. Pengendali utama dari OBDH menggunakan mikrokontroler PIC16F877A dengan frekuensi clock 20 Mhz. OBDH dilengkapi dengan empat buah eksternal EEPROM tipe 24LC256, digunakan untuk menyimpan data housekeeping satelit.Sub sistem OBDH dilengkapi dengan tiga buah sensor yaitu sensor arus ACS712ELCTR-05B-T, sensor tegangan dan sensor suhu LM355Z. Akurasi pengukuran ketiga sensor tersebut yaitu lebih dari 99%.Sub sistem OBDH dilengkapi dengan IC Real Time Clock (RTC) DS3232M dengan internal clock 32,768 KHz, digunakan untuk menyesuaikan waktu antara OBDH dengan subsistem lainnya.
Pemilihan komponen pada subsistem OBDH diharuskan memenuhi kriteria yaitu berstandar industri, berukuran kecil dan memiliki tingkat konsumsi listrik rendah.Desain OBDH dirancang agar sistem dapat beroperasi pada kondisi lingkungan yang ekstrim. Komunikasi antara OBDH dengan subsistem lain menggunakan standar komunikasi I2C. Protokol komunikasi data antar subsistem dirancang dengan mengimplementasikan algoritma kode Hamming(8,4), untuk mencegah kesalahan penulisan data housekeeping pada EEPROM eksternal, yang disebabkan oleh radiasi. Kecepatan deteksi dan koreksi kesalahan pada data telemetri dengan algoritma kode Hamming(8,4) yaitu 1.800 byte/s. Model teknik OBDH dari UGM-SAT telah memenuhi spesifikasi standar dari misi satelit dan siap untuk dilakukan pengujian perangkat keras dan perangkat lunak lebih lanjut.
Pendulum terbalik memiliki pusat gravitasi yang berada diatas poros putar sehingga menyebabkan pendulum terbalik tidak seimbang. Suatu kendali khusus dibutuhkan agar pendulum seimbang dengan cara menggerakkan kereta beroda yang menjadi tumpuan dari pendulum. Penerapan pendulum terbalik dapat ditemui pada balancing robot. Tujuan dari penelitian ini adalah merancang bangun sebuah sistem pengendalian robot dengan dua roda menggunakan sistem kendali untuk membuat robot yang seimbang (balancing robot).
Sistem ini mempunyai masukan akselerometer yang digunakan untuk mengukur percepatan sudut (m/s2) dan giroskop untuk mengukur kecepatan sudut (rad/s). Luaran dari akselerometer dan giroskop digabungkan dengan metode complementary filter untuk mendapatkan nilai sudut. Sudut yang diperoleh kemudian dibandingkan dengan set point yang nilainya 0o. Nilai selisih dari set point dan sudut complementary filter diolah menggunakan metode kendali Proporsional Integral Derivatif. Proses kendali PID ini diprogram pada Arduino IDE yang hasilnya diumpankan ke motor DC untuk mengatur kecepatan putar motor DC. Untuk arah putar motor DC ditentukan apabila sudut complementary filter kurang dari nol, maka motor akan berputar mundur. Sedangkan jika sudut complementary filter lebih dari nol, maka motor akan berputar maju.
Nilai konstanta PID berdasarkan hasil tuning dengan metode Ziegler-Nichols metode osilasi adalah Kp=1.5, Ki=0.75, Kd=1.85 dan nilai koefisien pada algoritma complementary filter adalah a=0.96.
This paper discusses the usage of short term energy contour of a speech smoothed by a fuzzy-based method to automatically segment the speech into syllabic units. Two additional procedures, local normalization and postprocessing, are proposed to improve the method. Testing to Indonesian speech dataset shows that local normalization significantly improves the accuracy of fuzzy smoothing. In postprocessing step, the procedure of splitting missed short syllables reduces the deletion errors, but unfortunately it increases the insertion ones. On the other hand, an assimilation of a single consonant segment into its previous or next segment reduces the insertion errors, but increases the deletion ones. The sequential combination of splitting and then assimilation gives quite significant improvement of accuracy as well as reduction of deletion errors, but it slightly increases the insertion ones.