Project

Beberapa project pemodelan dan simulasi yang telah diselesaikan menggunakan MATLAB adalah sebagai berikut.

PEMODELAN BOILER INDUSTRI

Boiler industri terdiri atas banyak subsistem yang saling terkait satu dengan lainnya. Model word bondgraph boiler industri dengan tipe pipa air dapat dilihat pada gambar 1 berikut.

Gambar 1. Word bondgraph dari boiler industri

Model bondgraph untuk Gambar 1 dapat dilihat di Gambar 2 berikut.

Gambar 2. Bondgraph untuk Gambar 1

Simulator menggunakan MATLAB dapat dilihat pada Gambar 3 berikut.

Gambar 3. GUI untuk subsistem economizer

GUI UNTUK ANALISIS TEKSTUR MENGGUNAKAN METODE RUN LENGTH

GUI (graphical user interface) dalam lingkungan MATLAB dirancang untuk melakukan analisis tekstur beberapa jenis kain dengan metode run length. Metode ini mengenali jumlah run pada suatu piksel dengan level intensitas sama dan berurutan dalam satu arah tertentu. Kemudian ciri tekstur dapat diperoleh dari nilai SRE (Short Run Emphasis), LRE (Long Run Emphasis), GRU (Grey Level Uniformity), RLU (Run Length Uniformity), dan RPC (Run Percentage). Kelima ciri tersebut kemudian digunakan untuk klasifikasi dengan menggunakan metode k-NN (k-Nearest Neighbor)

Gambar 4. GUI untuk analisis Run Length

Gambar 5. GUI untuk klasifikasi k-NN

IDENTIFIKASI KELAINAN JANTUNG MENGGUNAKAN METODE EMPIRICAL MODE DECOMPOSITION

Gambar 6. GUI untuk empirical mode decomposition

SIMULASI LAMPU LALULINTAS DENGAN CELLULAR AUTOMATA DAN ARTIFICIAL BEE COLONY

Simulasi penggunaan teknik optimisasi artificial bee colony untuk menghitung durasi lampu merah yang optimal di perempatan lalulintas. Penambahan dan pengurangan jumlah kendaraan di tiap ruas jalan dimodelkan dengan teknik cellular automata.  Hasil simulasi dibandingkan dengan pengoperasian lampu lalu-lintas yang menggunakan durasi tetap.

Gambar 7. GUI untuk simulasi lampu lalu lintas di perempatan jalan

ANALISIS KLASTER PADA SEKUMPULAN DATA HASIL PEMERIKSAAN PESAWAT TERBANG DENGAN METODE FUZZY MEAN CLUSTERING

Gambar 8. GUI untuk klastering menggunakan fuzzy mean

IDENTIFIKASI KELAINAN JANTUNG DARI SINYAL EKG MENGGUNAKAN JST DENGAN ALGORITMA PEMBELAJARAN EXTREME LEARNING MACHINE

Gambar 9. GUI untuk klasifikasi kelainan jantung dengan extreme learning machine