Tuesday 7 July 2009

Renungan Tentang IBU . . . . . . .



Pernahkah kita mencoba mengingat akan masa lalu………..????
Sembilan bulan kita hidup dalam kandungan sang bunda……
Bunda selalu membawa kita kemanapun ia pergi………
Tak pernah ia berfikir untuk menanggalkan kita walau sejenak………
Lalu kita pun lahir dengan tangis pertama kita menyapa dunia ini……
Bunda pun selalu ikhlas merawat kita dengan penuh kasih sayang……
Kadang kita telah begitu saja mengambil waktu istirahatnya dengan tangis kita di malam hari……mengganti popok kita yang basah, memberikan kita air susu ketika kita lapar………….
Dan kita hanya bisa menangis saja ketika itu………
Kita selalu diayun, dipangku dan ditimang-timang
Lalu apa balasan kita waktu itu………..????
Kita sering membuat basah baju bunda dengan air kencing kita……
Dan Bunda tak pernah sekalipun memarahi kita……



Sunday 3 May 2009

2009 Most Wanted Car for mE


Each people, each soul, each car . . .
New comer, new winner, hope so . . .
"Brawn GP BGP 001" 

 The Fast Brawn GP BGP 001
MESIN
Tipe : Mercedes-Benz FO108W.
Kapasitas Silinder : 2.4 liter.
Jumlah Silinder : 8.
Max RPM : 18,000 (standar FIA 2009).
Sudut Tepi : 90°.
Diameter Piston : 98mm (standar FIA 2009).
Jumlah Katup : 32.
Berat : 95kg (standar minimal FIA 2009).
BBM : Bensin tanpa timbal Mobil High Performance (5.75% bio fuel).
Oli : Mobil 1.

SASIS
Konstruksi : Serat karbon tercetak & berstruktur komposit honeycomb.
Suspensi : Wishbone and pushrod activated torsion springs and rockers.
Peredam : sach.
Velg : Baja tempa magnesium BBS.
Ban : Bridgestone Potenza.
Rem : Kaliper Brembo, disc karbon, dan kampas karbon.
Steering : Rack and pinion dengan konstruksi serat karbon.
Elektronik : FIA standard ECU & FIA homologated electronic and electrical system.

TRANSMISI
Gearbox : 7 kecepatan dgn kerangka utama serat karbon.
Seleksi gear : sekuensial, semi otomatis, dan teraktivasi secara hidrolis.
Kopling : plat karbon.

DIMENSI
Panjang : 4700mm.
Tinggi : 950mm.
Lebar : 1800mm.

literatur : http://www.brawngp.com/

2009 Most Wanted Bike for mE


Each people, each soul, each bike  . . . 
I love this great powerfull bike, if only I can own it, LOL . . .
How lucky Valentino Rossi + Jorge Lorenzo is . . .
"Yamaha YZR-M1"


Lovely Yamaha YZR-M1

Wednesday 29 April 2009

Committee Neural Network


Salah satu metode dalam menyelesaikan suatu komputasi yang kompleks adalah dengan membagi proses komputasi menjadi beberapa bagian sederhana untuk kemudian menggabungkan hasil komputasi dari beberapa bagian tersebut. Dalam pembelajaran terbimbing (supervised learning), penyederhanaan komputasi dilakukan dengan mendistribusikan tugas pembelajaran kepada beberapa ahli (expert) yang mana akan membagi himpunan input menjadi beberapa sub himpunan input. Kombinasi ini lah yang akan menghasilkan apa yang disebut mesin komite (committee machine) atau lebih umum dengan committee neural network.

Pada dasarnya metode ini meleburkan pengetahuan yang diperlukan oleh beberapa expert yang terdapat dalam sistem untuk mendapatkan keputusan keseluruhan yang dapat dicapai oleh salah satu dari expert tersebut secara sendirian. Ide committee machine ini mulai dikenalkan oleh Nilsson pada tahun 1965. JST yang dibangun diasumsikan terdiri dari lapisan perceptron yang diikuti oleh perceptron pengambil keputusan pada lapisan berikutnya. Committee neural network adalah penafsir universal yang secara umum dapat diklasifikasikan menjadi dua kategori berdasarkan strukturnya, yaitu:
1. Struktur Statis
Pada tipe ini, tanggapan dari beberapa penafsir (expert) dikombinasikan dengan cara yang tidak melibatkan sinyal masukan karena sifat statisnya tersebut. Kategori ini terdiri atas dua metode yaitu:
- Ensemble averaging, yaitu dengan mengkombinasikan secara linier keluaran expert yang berbeda untuk mendapatkan keluaran keseluruhan. Pada metode ini tiap expert dilatih dengan data pelatihan yang sama, namun dengan kondisi inisial pelatihan yang berbeda. Metode yang paling sederhana adalah stacked generalization, yaitu ketika tiap expert dilatih secara independen untuk kemudian digunakan secara bersamaan, dengan konfigurasi diagram blok seperti pada gambar 1.

Wednesday 22 April 2009

Transient Stability of an Electrical Power System


Kecenderungan sebuah sistem tenaga untuk mengembalikan daya yang sama atau lebih besar dari daya gangguan untuk mempertahankan kondisi seimbang dinamakan stabilitas. Jika daya yang dihasilkan untuk mempertahankan mesin dalam keadaan sinkron dengan yang lain cukup untuk mengatasi daya gangguan, sistem dikatakan stabil (sinkron).

Dalam keadaan operasi yang stabil dari suatu sistem tenaga listrik, terdapat keseimbangan antara daya input mekanis pada prime mover generator dengan daya output listrik (beban listrik) pada sistem. Dalam keadaan ini semua generator berputar pada kecepatan sinkron. Gangguan kecil atau besar pada sistem tenaga listrik akan berdampak pada operasi sinkron. Sebagai contoh, kenaikan atau penurunan tiba-tiba pada beban, atau akibat dari rugi pembangkitan, menjadi salah satu jenis gangguan yang berpengaruh sangat signifikan terhadap sistem. Jenis lain dari gangguan yang mungkin adalah terputusnya jaringan transmisi, beban lebih, atau hubung singkat. Dengan kontrol yang baik, diharapkan stabilitas sistem akan menuju ke keadaan mantap dalam waktu yang singkat setelah gangguan diatasi.


Gangguan pada sistem tenaga listrik dapat diklasifikasikan menjadi 2 kategori, yaitu gangguan kecil dan gangguan besar. Gangguan kecil merupakan satu dari elemen sistem dinamis yang dapat dianalisis menggunakan persamaan linear. Gangguan kecil yang terjadi berupa perubahan beban pada sisi beban atau pembangkit secara acak, pelan, dan bertingkat. Trip pada jaringan sistem tenaga listrik dianggap sebagai gangguan kecil apabila pengaruhnya terhadap aliran daya sebelum gangguan pada sistem itu tidak signifikan. Gangguan yang menghasilkan kejutan tiba-tiba pada tegangan bus adalah jenis gangguan besar yang harus segera dihilangkan. Apabila tidak dihilangkan secepatnya, maka gangguan tersebut akan mempengaruhi stabilitas sistem. Gangguan skala besar akan memberikan pengaruh yang signifikan terhadap aliran daya pada sistem, bahkan dapat memungkinkan terjadinya blackout.


Saturday 28 March 2009

Programming Backpropagation Neural Network Using MATLAB


Salam;

Bikin program buat melatih dan menguji Neural Network (NN) kalo pake' NNTools-nya Matlab gak sulit kok, cukup simple. Beberapa tipe algoritma NN yg cukup familiar udah ada di Matlab, mulai Hebb, Adaline, Perceptron, sampe Probabilistic NN juga ada. Di bawah ini ada langkah yang mungkin bisa dicoba buat yang lagi belajar coding NN, especially Backpropagation Neural Network (BPNN) pake' Matlab by .m file editor, lets try;

Buat nginputkan data, kita bisa pake matrix yang berisi data input dan target NN kita nanti, kita bisa pake' 1 matrix yang dibagi2, ato masing2 1 matrix buat input n data. Tlg diingat, matrix input n target harus di-transpose, biar sesuai buat format itungan fungsi NN ntar. Misalnya kita punya matrix "Data" yang berisi data input n target buat NN kita, kita bisa membagi matrix itu utk variabel input dan target kita, just like these;%%%%% Data Input %%%%%Input = Data(1:m,1:n)';Target = Data(1:m,n+1:o)';

Sebelum data yg kita punya diproses, kita perlu melakukan proses normalisasi dan preprocessing dulu, biar nilai masing2 data bisa diitung dengan nilai yg lbih kcil tanpa khilangan karakteristiknya sendiri, just like these;
%%%%% Preprocessing / Normalisasi %%%%%
[Inputn,meanIn,stdIn,Targetn,meanT,stdT] = prestd(Input,Target);
those variables means :
Inputn = normalisasi
InputmeanIn = mean InputstdIn = standar deviasi Input
Targetn = normalisasi
TargetmeanT = mean TargetstdT = standar deviasi Target

Sunday 22 March 2009

Awal yg baru . . .


Dua Siswi SMAN 1 Sidoarjo Menang di Indonesian Science Project Olympiad 2009

Selai Buah Mangrove yang Bawa Mereka ke Turki

Dua siswi SMAN I Sidoarjo mampu ''menyulap'' buah tanaman mangrove menjadi selai roti yang enak sekaligus mengandung anti-bakteri. Berkat prestasinya itu, mereka dinobatkan sebagai pemenang bidang biologi Indonesian Science Project Olympiad (ISPO) 2009 dan berhak mewakili Indonesia dalam even internasional di Turki, Mei mendatang.

---

Dua siswi berprestasi itu adalah Nofi Nurina Ramadhani,18, dan Karlinda Sari, 19. Mereka mengikuti ajang ISPO di Jakarta, 13 Maret lalu. Olimpiade yang diselenggarakan Depdiknas Pusat itu diikuti 150 tim dari berbagai penjuru tanah air. Menurut Nofi, sukses meraih medali emas itu di luar dugaan sama sekali.

''Soalnya, karya peserta lain bagus-bagus. Tapi, entahlah, juri memilih karya kami sebagai pemenang,'' ujarnya.

Karya Nofi dan Karlinda semula tidak dimaksudkan untuk lomba. Karya penelitian mereka yang berjudul Magic Alba Jam sebenarnya merupakan karya penelitian reguler yang wajib dikerjakan siswa. Penelitian itu boleh dikerjakan sendiri atau berdua. Nofi dan Karlinda memutuskan untuk mengerjakan bersama.

Setelah melakukan studi referensi, kedua siswi kelas XII IPA itu lalu sepakat untuk menggarap buah mangrove sebagai objek penelitian. Hanya saja, tidak semua buah mangrove bisa diolah menjadi selai. Dalam penelitian ini mereka menggunakan buah mangrove jenis sonneratia albabogem (bentuk dan warnanya mirip mangga, hanya ukurannya lebih kecil, Red).

Saturday 21 March 2009

Sabtu Pagi . . .


Jam lappie nunjukin 06.41, posisi di lab paling adem se elektro, brrr . . .

Curhat started;

Ndengerin mp3+nulis hal2 g jelas di blog gara2 signal neuron2 di otak rada gak bener, dinding usus besar mulai maen band, ditambah mata merah gara2 smalem g tidur, ksian bgt . . .

:(

Tiba2 dtambah mikir tmen2 yg mulai pada sibuk nyari kerja, scara mreka emg pada pnter n lulus duluan, minder mode:=ON;

ada yg d PLN, polytron, Pertamina, dll, so minder mode:=++;

:((

Org blg smakin tua umur smakin gde tanggung jwb yg musti diemban, bener juga kali, tapi ujung2nya bikin stress juga kalo otak mulai overload gara2 kbanyakan pikiran;

umur tmbh tua, urusan tmbh byk jg, pikran jd tmbh buanyak, O God . . .

tadi malem rncana utama c refresh d lab+nyicil ngrjain TA, ujung2nya malah too much refresh alias nge-game, ngenet alias kaskus-an smbil smbunyi dr kjaran SKK, dtmbah sdkit bgt nyicil TA, OMG . . .

anyway, td malem SKK --> satpam kampus nyari mangsa lagi, brmodal skep rektor yg katanya mahasiswa g boleh nginep kmpus kcuali punya surat ijin, damn, gara2 g punya surat ijin bwt stay d lab, trpksa lampu lab dmatiin, god sake . . .

kalo lu pada dikejar2 SKK kayak gini pdahal byk krjaan yg musti lu krjain d kmpus, ngrjain TA, skripsi, ato ngnet , ato apaan kek di lab, coba deh lu program ni listing ke otak lu, biar diproses neuron2 otak lu buat ngabur dr SKK, inget, ni program pke' bahasa pascal;


begin
if nginep_kampus=1 then
if on_the_lab=1 then
begin
kunci_lab:=1; {kunci lab lu dr dalem}
mute_mode:=1; {jangan brisik!!!!!}
dark_mode:=1; {matiin lampu kalo perlu, tapi jgn ambil ksmptan dlm ksmpitan!!!!!}
end
else if diobrak_SKK=1 then
if ketemu=1 then
begin
blagakgoblok_mode:=1; {blagak aja kya org autis}
alasan_mode:=1; {blg aja lu sakit perut, dkos g da air, ngacir deh k kmpus, sp th SKKnya goblok}
end
else ngacir_mode:=1; {ngacir deh lu sjauh2nya+scpat2nya,itung2 lthn jd sprinter}
else nyantai_mode:=1; {g sah bingung, enjoy ur life}
else ngacir_pulang:=1; {kalo g nginep ya pulang, gmn c? msk mangkal d markas bencong}
end.

coba deh lu compile tu listing di otak lu, lu coba run, lht hasilnya, kl ada yg salah blg aja . . .

:D

inget, jgn pke compiler pascal ato delphi di PC ato lappie! tau knp? lu bakal sulit bgt ngedonlotnya ke otak dodol!!! bwt apa sulit2,culun!!!

slmt mncoba!

:P

Tuesday 3 March 2009

Medium - High Voltage Switchyards Supporting Equipment


1. CIRCUIT BREAKER
Circuit breaker (CB) atau Pemutus Daya (PMT) adalah peralatan pada sistem tenaga listrik yang berfungsi untuk memutuskan hubungan antara sisi sumber tenaga listrik dan sisi beban yang dapat bekerja secara otomatis ketika terjadi gangguan atau secara manual ketika dilakukan perawatan atau perbaikan.
Ketika kontak PMT dipisahkan, beda potensial di antara kontak tersebut menimbulkan medan elektrik di antara kontak tersebut. Medan elektrik ini akan menimbulkan ionisasi yang mengakibatkan terjadinya perpindahan elektron bebas ke sisi beban sehingga muatan akan terus berpindah ke sisi beban dan arus tetap mengalir. Karena hal ini menimbulkan emisi thermis yang cukup besar, maka timbul busur api (arc) di antara kontak PMT tersebut. Agar tidak mengganggu kestabilan sistem, maka arc tersebut harus segera dipadamkan. Berdasarkan metode dalam pemadaman arc tersebut, PMT dibagi menjadi beberapa jenis yaitu:
A. Air Circuit breaker (Pemutus Daya Udara)
PMT jenis ini menggunakan metode yang paling sederhana, yaitu memperpanjang lintasan arc. Karena efek pemanjangan lintasan ini diharapkan arc dapat segera dipadamkan. Adapun beberapa bentuk pemanjangan lintasan pada kontak PMT yang umum dikenal adalah sebagai berikut :
§ Kontak Sela Tanduk
Pada PMT ini arc dihilangkan dengan memperpanjang lintasan arc hingga ujung terjauh kontak. PMT jenis ini biasa digunakan pada instalasi listrik AC dan DC tegangan rendah dengan arus pemutusan hingga ratusan ampere.
Gambar 1. Air CB Kontak Sela Tanduk

Friday 27 February 2009

Lets Study Backpropagation Neural Network


Algoritma pelatihan Backpropagation Neural Network (BPNN) pertama kali dirumuskan oleh Werbos dan dipopulerkan oleh Rumelhart & Mc.Clelland. Backpropagation neural network merupakan tipe jaringan saraf tiruan yang menggunakan metode pembelajaran terbimbing (supervised learning). Pada supervised learning terdapat pasangan data input dan output yang dipakai untuk melatih JST hingga diperoleh bobot penimbang (weight) yang diinginkan. Penimbang itu sendiri adalah sambungan antar lapis dalam JST. Algoritma ini memiliki proses pelatihan yang didasarkan pada interkoneksi yang sederhana, yaitu apabila keluaran memberikan hasil yang salah, maka penimbang dikoreksi agar galat dapat diperkecil dan tanggapan JST selanjutnya diharapkan dapat mendekati nilai yang benar. BPNN juga berkemampuan juga berkemampuan untuk memperbaiki penimbang pada lapis tersembunyi (hidden layer).
Secara garis besar BPNN terdiri atas tiga lapis (layer) yaitu lapis masukan (input layer) xi, lapis tersembunyi (hidden layer) yj, dan lapis keluaran (output layer) zk. Lapis masukan dan lapis tersembunyi dihubungkan dengan penimbang wij dan antara lapis tersembunyi dan lapis keluaran dihubungkan oleh penimbang w’jk. Pada pelatihan BPNN, ketika JST diberi pola masukan sebagai pola pelatihan maka pola tersebut akan menuju ke unit pada lapis tersembunyi untuk diterusan pada unit yang berada pada lapis keluaran. Keluaran sementara pada lapis tersembunyi uj akan diteruskan pada lapis keluaran dan lapis keluaran akan memberikan tanggapan yang disebut sebagai keluaran sementara u’k. Ketika u’k ≠ ok dimana ok adalah keluaran yang diharapkan, maka selisih (error) keluaran sementara u’k akan disebarkan mundur (backward) pada lapis tersembunyi dan diteruskan ke unit pada lapis masukan. Oleh karena itu proses tersebut disebut propagasi balik (backpropagation) dimana tahap pelatihan dilakukan dengan merubah penimbang yang menghubungkan unit dalam lapis JST ketika diberi umpan maju dan umpan balik. Untuk mempercepat proses pelatihan digunakan parameter laju pelatihan (learning rate) yang nilainya berada pada kisaran 0-1. Selain parameter laju pelatihan, untuk mempercepat proses pelatihan dapat digunakan parameter tambahan berupa momentum yang nilainya dijaga antara 0.5-0.9. Ketika proses pelatihan selesai dan JST dapat digunakan untuk menyelesaikan masalah, tahap tersebut disebut sebagai tahap penggunaan yang disebut mapping atau pemetaan.
Gambar lapis dan aliran sinyal dalam algoritma BPNN