NENIK ESTUNINGSIH (2020) Konstruksi Filter Kalman Pada Model Tereduksi Dengan Metode Linear Matrix Inequality (Lmi). Disertasi thesis, UNIVERSITAS AIRLANGGA.

	Text (COVER) 1. COVER.pdf Download (609kB)
	Text (ABSTRAK) 2. ABSTRAK.pdf Download (299kB)
	Text (DAFTAR ISI) 3. DAFTAR ISI.pdf Download (311kB)
	Text (BAB 1) 4. BAB I PENDAHULUAN.pdf Download (534kB)
	Text (BAB 2) 5. BAB II TINJAUAN PUSTAKA.pdf Restricted to Registered users only until 20 January 2024. Download (996kB) | Request a copy
	Text (BAB 3) 6. BAB III KERANGKA KONSEP DAN HIPOTESIS.pdf Restricted to Registered users only until 20 January 2024. Download (587kB) | Request a copy
	Text (BAB 4) 7. BAB IV METODE PENELITIAN.pdf Restricted to Registered users only until 20 January 2024. Download (363kB) | Request a copy
	Text (BAB 5) 8. BAB V HASIL PENELITIAN DAN PEMBAHASAN.pdf Restricted to Registered users only until 20 January 2024. Download (1MB) | Request a copy
	Text (BAB 6) 9. BAB VI KESIMPULAN DAN SARAN.pdf Restricted to Registered users only until 20 January 2024. Download (341kB) | Request a copy
	Text (DAFTAR PUSTAKA) 10. DAFTAR PUSTAKA.pdf Download (642kB)
	Text (LAMPIRAN) 11. LAMPIRAN.pdf Restricted to Registered users only until 20 January 2024. Download (991kB) | Request a copy
	Text (EMBARGO) Dis.M.01-21-embargo_Nenik - Nenik Estuningsih.pdf Restricted to Registered users only Download (200kB) | Request a copy

Abstract

Estimasi merupakan suatu metode untuk menaksir nilai kuantitas yang tidakdiketahui dari data yang tersedia pada suatu sistem. Estimasi merupakan hal yang cukup penting dalam kehidupan keseharian karena banyak masalah kehidupan yang membutuhkan estimasi, misalnya estimasi kualitas air sungai,atau estimasi dalam peramalan cuaca.Estimasi diperlukan karena tidak semua variabel keadaan dapat diukur secara langsung, karena jika semua variabel keadaan harus diukur memerlukan biaya yang cukup mahal. Estimasi juga dilakukan karena pertimbangan waktu dan kesulitan pengukuran. Oleh karena itu, diperlukan sistem pembantu yang disebut dengan observer. Sistem pembantu atau observer digunakan untuk mengestimasi variabel keadaan sistem yang tidak dapat diamati secara langsung.Estimasi variabel keadaan dilakukan sesuai dengan jenis sistemnya, yaitu sistem deterministik dan sistem stokastik. Sistem deterministik adalah sistem yang tidak memuat noise. Sedangkan sistem stokastik adalah sistem yang memuat noise, yaitu noise sistem dan noise pengukuran. Noise sistem adalah noise yang terjadi karena pengaruh dari lingkungan sekitar, misalnya karena pengaruh udara, angin,dan cuaca. Sedangkan noise pengukuran adalah noise yang disebabkan karena faktor kesalahan yang ada pada alat ukur atau karena ketidaktelitian pada saat membaca alat ukur. Estimasi variabel keadaan pada sistem deterministik dilakukan dengan menggunakan observer. Sedangkan estimasi variabel keadaan pada system stokastik dilakukan dengan menggunakan filter Kalman.Filter Kalman merupakan metode estimasi yang handal dalam menaksir dan menduga variabel keadaan dari sebuah sistem dinamik stokastik linear. Keunggulan filter Kalman adalah kemampuannya untuk mengestimasi variable keadaan pada waktu lampau, sekarang, maupun di waktu mendatang. Estimasi dengan filter Kalman dilakukan dengan cara memprediksi variabel keadaan berdasarkan dinamika sistem, yang disebut tahap prediksi dan selanjutnya dilakukan koreksi untuk memperbaiki hasil estimasi berdasarkan data-data dari hasil pengukuran, yang disebut tahap koreksi. Tahap prediksi-koreksi tersebut dilakukan secara rekursif untuk mendapatkan hasil estimasi yang mendekati nilai sebenarnya dengan cara meminimumkan kovariansi error estimasi.Secara umum, konstruksi metode estimasi bertujuan untuk mendapatkan hasil yang akurat, yakni error estimasinya mendekati nol, dengan waktu komputasi yang cepat. Masalah waktu komputasi juga sangat dipengaruhi oleh besarnya order model, sehingga untuk memperkecil waktu komputasi, dapat dilakukan dengan cara mereduksi order dari model yang berorder besar sehingga diperoleh model sederhana dengan order yang lebih kecil tanpa kesalahan yang signifikan, dalam arti error reduksinya sangat kecil. Model dengan order yang lebih kecil ini disebut dengan model tereduksi. Adapun cara untuk mendapatkan model tereduksi disebut reduksi model. Metode reduksi order model telah banyak dikembangkan, diantaranya adalah metode pemotongan setimbang, metode pemotongan setimbang yang diperluas, metode algoritma genetik, metode SPA (Singular Pertubation Approximation), dan metode LMI (Linear Matrix Inequality).Bagian pokok penelitian ini adalah mengkonstruksi algoritma filter Kalman pada model tereduksi yang diperoleh dari sistem dinamik diskrit yang stabil asimtotis, terkendali, dan terobservasi dengan metode reduksi LMI serta mengkaji eksistensi, stabilitas, dan konvergensi estimator yang dihasilkan, dan selanjutnya mengimplementasikannya pada masalah-masalah real. Hasil penelitian menunjukkan bahwa sistem tereduksi yang diperoleh dengan metode LMI merupakan sistem yang stabil asimtotis, terkendali, dan terobservasi. Dalam penelitian ini juga berhasil diperoleh konstruksi algoritma filter Kalman pada sistem tereduksi dengan metode LMI tersebut. Pada penelitian juga telah diselidiki stabilitas dan konvergensi estimator yang dihasilkan. Diperoleh bahwa eksistensi estimator terbaik pada sistem tereduksi ditentukan oleh konvergensi dari sistem tereduksi stokastik.Berdasarkan hasil simulasi pada masalah real (konduksi panas, masalah kualitas air Kali Surabaya, dan masalah ketinggian air sungai), diperoleh bahwa hasil estimasi variabel keadaan dengan menggunakan algoritma filter Kalman pada sistem tereduksi, mempunyai hasil yang lebih akurat dengan waktu komputasi yang lebih singkat jika dibandingkan dengan hasil estimasi menggunakan algoritma filter Kalman yang diterapkan pada sistem asli

Actions (login required)

View Item