Articles
<![CDATA[ANALISIS REDUKSI MODEL PADA SISTEM LINIER WAKTU DISKRIT ]]>
<![CDATA[Yunita Indriana Sari]]>;
<![CDATA[Didik Khusnul Arif]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 5, No 2 (2016) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (813.079 KB)
|
DOI: 10.12962/j23373520.v5i2.17025
<![CDATA[Reduksi Model adalah penyederhanaan sistem yang berorde besar agar sistem tersebut memiliki orde yang lebih kecil tanpa kesalahan yang signifikan. Pada Tugas Akhir ini, dibahas mengenai reduksi model dengan menggunakan metode pemotongan setimbang dengan menganalisis sistem awal, mengkaji pembentukan sistem setimbang, dan konstruksi model tereduksi. Proses reduksi model diawali dengan membentuk sistem setimbang dari sistem awal yang bersifat stabil, terkendali, dan teramati dengan matriks transformasi . Setelah didapatkan sistem setimbang, selanjutnya dilakukan pemotongan nilai singular Hankel yang kecil. Setelah itu dilakukan simulasi reduksi model menggunakan MATLAB. Hasil simulasi menunjukkan bahwa model tereduksi yang dihasilkan memiliki sifat yang sama dengan sistem awal, yaitu sifat stabil, terkendali, teramati. Selain itu, pemotongan nilai singular Hankel dapat dilakukan sesuai kebutuhan dalam pengaplikasian reduksi model pada permasalahan di kehidupan nyata. Selanjutnya, dilakukan perbandingan model awal dan model tereduksi dengan menggunakan respon frekuensi.]]>
<![CDATA[Kontrol Optimal pada Model Penyebaran Virus Influenza Tipe A H1N1 dengan Menggunakan Prinsip Minumum Pontryagin ]]>
<![CDATA[Indah Rahmadhania]]>;
<![CDATA[Didik Khusnul Arif]]>
<![CDATA[ Limits: Journal of Mathematics and Its Applications Vol 17, No 1 (2020) ]]>
Publisher : <![CDATA[Institut Teknologi Sepuluh Nopember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/limits.v17i1.6694
<![CDATA[Penyakit menular pada suatu populasi dapat diprediksi dengan menggunakan model matematika epidemik. Salah satunya yaitu virus Influenza tipe A H1N1. Influenza H1N1 merupakan panyakit pernafasan akut pada manusia yang mempengaruhi hidung, tenggorokan dan paru-paru yang disebabkan oleh virus influenza H1N1. Penyakit ini mudah menular. Sehingga perlu diketahui mengenai penyebaran penyakit tersebut agar penyebarannya dapat dikendalikan. Pada paper ini, model matematika SEIR digunakan untuk membahas penyebaran virus influenza tipe A (H1N1), di mana populasi terbagi ke dalam empat kelas yaitu sub-populasi rentan, terpapar, terinfeksi, dan sembuh. Analisis yang telah diperoleh dari model tanpa dan dengan kontrol diilustrasikan dengan simulasi numerik menggunakan program Matlab berdasarkan metode Runge-Kutta Orde Empat dan Sweep Forward-Backward. Berdasarkan simulasi numerik menunjukkan bahwa pemberian kontrol untuk pengendalian lingkungan berupa penyuluhan, seminar dan kerja bakti dapat memaksimalkan jumlah individu yang sehat sedangkan kontrol dalam upaya pemberian obat terhadap individu terinfeksi influenza dapat meminimalkan jumlah indivisu yang terinfeksi.]]>
<![CDATA[Prediksi Penyebaran Covid-19 di Indonesia dan Jawa Timur dengan Metode Extended Kalman Filter ]]>
<![CDATA[Helisyah Nur Fadhilah]]>;
<![CDATA[Erna Apriliani]]>;
<![CDATA[Didik Khusnul Arif]]>
<![CDATA[ Limits: Journal of Mathematics and Its Applications Vol 18, No 1 (2021) ]]>
Publisher : <![CDATA[Institut Teknologi Sepuluh Nopember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/limits.v18i1.6933
<![CDATA[Saat ini pandemi Covid-19 telah menyebar ke seluruh dunia, tidak terkecuali Indonesia. Dalam pemodelan matematika, penyebaran Covid-19 dapat digambarkan melalui model matematika epidemiologi SIRD (Susceptible, Infected, Recover, Death). Pertama model non-linier SIRD didiskritkan dan selanjutnya dilakukan prediksi puncak penyebaran Covid-19 dengan menggunakan metode Extended Kalman Filter (EKF). Dengan data aktual Infected, Recover, dan Death yang merupakan data harian, modifikasi EKF dapat memprediksi puncak infeksi Covid-19 untuk satu bulan kedepan. Simulasi dilakukan dengan 3 macam pembatasan pergerakkan pada masyarakat yaitu : tanpa adanya pembatasan (100%), 75%, dan 50% pergerakkan. Hasil prediksi dengan modifikasi EKF menunjukkan dengan dilakukan pembatasan pergerakkan 50% pada masyarakat di Indonesia dan Jawa Timur dapat mempercepat terjadinya puncak infeksi dengan jumlah individu terinfeksi lebih sedikit]]>
<![CDATA[Estimation of Air Pollutant Transportation Equation in Surabaya using Kalman Filter Method ]]>
<![CDATA[Didik Khusnul Arif]]>;
<![CDATA[Helisyah Nur Fadhilah]]>;
<![CDATA[Prima Aditya]]>
<![CDATA[ (IJCSAM) International Journal of Computing Science and Applied Mathematics Vol 6, No 1 (2020) ]]>
Publisher : <![CDATA[Institut Teknologi Sepuluh Nopember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (474.044 KB)
|
DOI: 10.12962/j24775401.v6i1.4662
<![CDATA[Surabaya is one of big cities in Indonesia. Since the number of industries in Surabaya is increasing, the level of air pollution in Surabaya is also increasing. To deal with this matter, procurement of measuring instruments has been carried out in several locations in Surabaya based on the level of emissions issued by motorized vehicles, but increasing the number of measuring instruments affects the cost significantly. Therefore, the estimation of air pollution will make it easier to determine the level of air pollution in Indonesia. Kalman filter a method to estimate the state variable by using a system model accompanied by a measurement model as the initial value that comprises the prediction stage and the correction stage. The results of this correction stage will be the estimation results. Then it will be compared with the data at some locations. The results obtained are quite accurate at the point of observation with a relatively small error.]]>
<![CDATA[State Variable Estimation of Nonisothermal Continuous Stirred Tank Reactor Using Fuzzy Kalman Filter ]]>
<![CDATA[Risa Fitria]]>;
<![CDATA[Didik Khusnul Arif]]>
<![CDATA[ (IJCSAM) International Journal of Computing Science and Applied Mathematics Vol 3, No 1 (2017) ]]>
Publisher : <![CDATA[Institut Teknologi Sepuluh Nopember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (185.387 KB)
|
DOI: 10.12962/j24775401.v3i1.2116
<![CDATA[Increasing safety and product quality, reducing manufacturing cost, minimizing the impact of environment in fault detection system for Nonisothermal Continuous Stirred Tank Reactor (CSTR) are the reason why accurate state estimation is needed. Kalman filter is an estimation algorithm of the stochastic linear dynamical system. Through this work, a modification of Kalman Filter that combines with fuzzy theory, namely Fuzzy Kalman Filter (FKF) is presented to estimate the state variable of Non-Isothermal CSTR. First, we approximate the nonlinear system of CSTR as piecewise linear functions and then change the crisp variable into the fuzzy form. The estimation results are simulated using Matlab. The simulation shows the comparison results, i.e computational time and accuracy, between FKF and Ensemble Kalman Filter (EnKF). The final result of these case shows that FKF is better than EnKF to estimate the state variable of Nonisothermal CSTR. The error estimation of FKF is 72.9% smaller for estimation of reactans concentration, 39.9% smaller for tank temperature, 76.47% smaller for cooling jacket temperature and the computational time of FKF is 76.47% faster than the computational time of EnKF.]]>
<![CDATA[Comparison between Fuzzy Logic Controller (FLC) and Fractional Order Proportional Integral Derivative (FOPID) Controller on Water Level and Steam Temperature of Steam Drum Boiler ]]>
<![CDATA[Zainullah Zuhri]]>;
<![CDATA[Mardlijah Mardlijah]]>;
<![CDATA[Didik Khusnul Arif]]>
<![CDATA[ (IJCSAM) International Journal of Computing Science and Applied Mathematics Vol 4, No 2 (2018) ]]>
Publisher : <![CDATA[Institut Teknologi Sepuluh Nopember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (199.489 KB)
|
DOI: 10.12962/j24775401.v4i2.3492
<![CDATA[Steam drum boiler is an important component of boiler on electric steam power plant which is useful to obtain steam. The obtained steam makes turbine spin. In order to obtain maximal result for the steam power plant (PLTU) 1-2 PT PJB UP Gresik, the water level of steam drum boiler must be 0.7625 m and the temperature of steam drum boiler must be 786 K. Thus, it needs some controller to keep the position of water level and the temperature stable. In this problem, we compare two controllers FLC and FOPID. It can be concluded that FLC works better than FOPID controller. Nevertheless, FOPID controller has faster response time than FLC, i.e. no overshoot and more robust when disturbance is present on the system.]]>
<![CDATA[Analysis and Optimal Control in the Cancer Treatment Model with Combining Radio and Anti-angiogenic Therapy ]]>
<![CDATA[Nastitie Nastitie]]>;
<![CDATA[Didik Khusnul Arif]]>
<![CDATA[ (IJCSAM) International Journal of Computing Science and Applied Mathematics Vol 3, No 2 (2017) ]]>
Publisher : <![CDATA[Institut Teknologi Sepuluh Nopember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (567.131 KB)
|
DOI: 10.12962/j24775401.v3i2.2288
<![CDATA[Cancer is a disease characterized by uncontrolled cell division and the ability of these cells to invade other tissues, either tissue next to them or not. Cancer treatment process is very diverse. The issue in this paper is about the treatment of cancer that processed by combining radio and anti-angiogenic therapy, which is intended to minimize the size of cancer, by adding control w (dose of radiotherapy) and u (dose of antiangiogenic). By applying Pontryagin minimum principle, the simulation results show that the size of the cancer become the most minimum if given minimum weight of anti-angiogenic (P) therapy is 0.3 and radiotherapy (Q) is 0.015. Which take big effect of this treatment is dose of anti-angiogenic therapy.]]>
<![CDATA[Desain Kendali Optimal Konsentrasi Karbon Monoksida (CO) dan Nitrogen dioksida (NO2) Menggunakan Metode Prinsip Minimum Pontryagin ]]>
<![CDATA[Fadia Nila Sihan Novita Lutfiani]]>;
<![CDATA[Didik Khusnul Arif]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 11, No 2 (2022) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v11i2.75223
<![CDATA[Polutan Karbon Monoksida (CO) dan Nitrogen Dioksida (〖NO〗_2) yang dihasilkan dari limbah industri dan transportasi dapat menyebabkan pencemaran udara, termasuk di daerah Surabaya. Pencemaran udara menimbulkan berbagai macam penyakit dan mengganggu manusia, hewan hingga tumbuhan. Pada penelitian sebelumnya telah dilakukan estimasi konsentrasi Karbon Monoksida (CO) dan Nitrogen Dioksida (〖NO〗_2) di Kota Surabaya. Oleh karena itu, pada penelitian ini dibentuk model kendali optimal penyebaran konsentrasi polutan Karbon Monoksida (CO) dan Nitrogen Dioksida (〖NO〗_2) dengan pemberian kendali berupa penghijauan untuk konsentrasi Karbon Monoksida (CO) dan kendali berupa pengurangan penggunaan kendaraan pribadi untuk konsentrasi Nitrogen Dioksida (〖NO〗_2) agar konsentrasinya dapat ditekan lebih rendah. Dalam penelitian ini, dijelaskan mengenai model penyebaran konsentrasi polutan dengan kendali, analisa sifat kestabilan dan keterkontrolan. Selanjutnya dilakukan penyelesaian masalah kendali optimal dengan metode Prinsip Minimum Pontryagin dan dilakukan simulasi numerik dengan metode Runge-Kutta orde 4 menggunakan bantuan software MATLAB. Hasil simulasi numerik dengan waktu akhir 45 hari menunjukkan bahwa konsentrasi polutan yang diberikan kendali mengalami penurunan sebesar 100% untuk Karbon Monoksida (CO) dan 58.407% untuk Nitrogen Dioksida (〖NO〗_2).]]>
<![CDATA[Kontrol Optimal Penyebaran Penyakit Demam Berdarah dengan Pengaruh Penyemprotan Insektisida Dan Pengobatan ]]>
<![CDATA[Sulthon Amar Al Aziim]]>;
<![CDATA[Didik Khusnul Arif]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 11, No 2 (2022) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v11i2.75468
<![CDATA[Demam berdarah adalah salah satu masalah kesehatan yang utama pada beberapa provinsi di Indonesia, salah satunya adalah provinsi Sulawesi Selatan. Penyebaran penyakit demam berdarah akan meningkat ketika musim hujan dikarenakan nyamuk Aedes Aegypti sebagai vektor penyebaran penyakit utamanya akan bertelur dan menetaskan telurnya pada genangan air sehingga menjadi jentik larva. Sebelumnya telah dilakukan penelitian mengenai model dan analisa penyebaran penyakit demam berdarah di Sulawesi Selatan. Sehingga dilakukan pengendalian penyebaran penyakit demam berdarah dengan pemberian kontrol berupa penyemprotan insektisida dan pengobatan dengan tujuan mengurangi populasi manusia yang terinfeksi. Pada penelitian ini dibahas mengenai model penyebaran penyakit demam berdarah dengan kontrol, titik kesetimbangan bebas penyakit dan endemik, dan analisa sifat model. Kemudian dilakukan penyelesaian kontrol optimal dengan menggunakan metode Prinsip Minimum Pontryagin. Selanjutnya dilakukan penyelesaian solusi numerik dengan metode Runge Kutta orde empat dengan bantuan software MATLAB. Berdasarkan hasil analisis dan hasil simulasi menunjukkan bahwa sistem stabil asimtotik pada titik kesetimbangan endemik dan titik kesetimbangan bebas penyakit, dan didapatkan menurunnya populasi manusia yang terinfeksi penyakit demam berdarah dengan adanya pemberian kontrol berupa penyemprotan insektisida dan pengobatan dengan persentase penurunan sebesar 99% selama 12 bulan.]]>
<![CDATA[Estimasi Model Penyebaran Penyakit Demam Berdarah dengan Menggunakan Metode Ensemble Kalman Filter ]]>
<![CDATA[Muhammad Jirov Rexiansyah Grystnop Sutopo]]>;
<![CDATA[Didik Khusnul Arif]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 11, No 2 (2022) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v11i2.75581
<![CDATA[Penyakit Demam Berdarah atau juga dikenal dengan Demam Berdarah Dengue (DBD) merupakan masalah utama di Indonesia, salah satunya adalah pada provinsi Sulawesi Selatan. Penyakit Demam Berdarah merupakan penyakit yang disebabkan oleh virus dengue dengan media penyebarannya merupakan nyamuk Aedes Aegypti. Dari masalah tersebut maka diperlukan penelitian lebih lanjut mengenai penyebaran penyakit demam berdarah. Penelitian yang dilakukan adalah estimasi model matematika penyebaran penyakit demam berdarah. Model yang digunakan adalah model SIRS (Susceptible, Infected, Recovered). Didalam penelitian ini dilakukan estimasi model penyakit demam berdarah dengan metode Ensemble Kalman Filter dan metode Extended Kalman Filter. Pada penelitian ini diperoleh bahwa hasil estimasi untuk jumlah manusia yang terinfeksi penyakit demam berdarah (I_h) mendekati nilai realnya dengan nilai MAPE EnKF yaitu 0.6859% dan MAPE EKF yaitu 0.6578%. sehingga hasil estimasi menggunakan metode EnKF dan EKF dinyatakan akurat. Didapatkan dari hasil simulasi bahwa estimasi model SIRS penyebaran penyakit demam berdarah menggunakan metode Extended Kalman Filter lebih akurat dibandingkan metode Ensemble Kalman Filter.]]>
