Nama : Masaji Wijaya

NIM : 3332190018
Kelas :B
Jurusan : Teknik Elektro

JAWABAN UAS PERMODELAN DAN IDENTIFIKASI SISTEM (PIS)

1. Buatlah studi kasus Pemodelan NonParametrik persamaan matematika domain frekwensi

dan sinyal waktu kontinyu serta jawab sesuai dengan tahapan!
2. Buatlah studi kasus Waktu diskrit pemodelan Parametrik dan Nonparamterik Sinyal
Waktu diskrit serta jawablah sesuai dengan tahapannya
3. Berikan reviuw terhadap sinyal noice dan error auto-correlation function (ACF) dan
cross-correlation function (CCF) dan contoh penerapannya!
4. Jelaskan tahapan metode Discrete Random Binary Signals (DRPS) dan Pseudo-Random
Binary Signals (PRBS)!
5. Sebutkan dan jelaskan serta buat contoh penerapannya :
a. Least Mean Squares
b. Method of Least Squares
c. Recursive Maximum Likelihood Method
d. Bayes Method

Jawab:
1) Banyak kedatangan wisatawan mancanegara ke Indonesia, periode tahun 2007-2011
diberikan oleh Gambar 2. Gambar 2 ini merekomendasikan bahwa banyak wisatawan
mancanegara yang datang ke Indonesia periode tahun 2007-2011 mempunyai karakter :
(1) memiliki pola meningkat (naik) dan (2). Pola kenaikan berpola linear (garis lurus).
Pendekatan model regresi parametrik linear akan memberi interpretasi bahwa banyak
wisatawan mancanegara yang berkunjung ke Indonesia akan terus meningkat, dan
peningkatannya sama untuk tahun yang manapun (Budiantara, et. al, 2012).
Tetapi jika diperhatikan secara seksama, pola kenaikan banyak wisatawan
mancanegara Tahun 2007-2011 yang berkunjung ke Indonesia, tidaklah sama dari tahun
ketahun. Pada periode Tahun 2007-2008 pola kenaikannya berbeda dengan pola tahun
2008-2009. Demikin pula pola sebelumnya berbeda dengan pola Tahun 2009-2011.
 Berdasarkan kenyataan ini, pola data banyak wisatawan mancanegara Tahun 2007-2011
yang berkunjung ke Indonesia, sebaiknya menggunakan pendekatan regresi
nonparametrik spline linear. Dengan menggunakan metode GCV diperoleh model spline
linear dua knot (Budiantara, et. al, 2013).

Model Spline dua knot ini diperlihatkan dalam Gambar 2.

2)
3) Nomor 3
a. Auto – Correlation Function (ACF) :
Auto - Correlation Function ( ACF ) dapat diestimasikan pada sinyal acak x (t)
dengan stasioner waktu kontinu. ACF dari sinyal yang terganggu merupakan hasil
penjumlahan dari dua fungsi ACF untuk sinyal bebas noise x (t) dan noise n (t).
Sebagai deteksi gangguan yang tersembunyi tanpa sinyal
b. Cross - Correlation Function (CCF) :
ini digunakan pada kasus dua sinyal acak stationer waktu kontinu , seperti x (t) dan y
( t ) . Di dalam sebagian besar pengaplikasiannya , pengukuran periode yang
dilakukan hanya dalam durasi singkat yang terdefinisi sebagai T dan lumayan
terbatas. Untuk parabola, nvestigasi Koordinasi Trunk Muscle selama berjalan
(Medis), Muscle Coactivation During a Long-Duration Task (Medis)
4) Nomor 4
a. Discrete Random Binary Signals (DRPS) :
 DRBS adalah sinyal dengan close kemiripan statistik dengan white noise, DRBS
digunakan untuk eksitasi sistem secara ketertarikan bersamaan sistem dengan
frekuensi.

b. Pseudo-Random Binary Signals (PRBS) :

Tahapan Metode Pseudo-Random Binary Signals (PRBS) pada aplikasi di dalam
generator terdiri dari 2 buah gerbang modul yang diidentifikasi data input dan output
dengan pengujian sinyal uji PRBS yang dibangkitkan oleh Linear Feedback Shift
Register (LFSR), untuk menentukan data ini tergantung pada konfigurasi feedback,
jumlah register geser, dan variasi panjang sekuensialnya.

5) Nomor 5
a. Least Mean Squares :
Least Mean Square adalah filter adaptif yang digunakan untuk noise reduction yang
diterapkan pada sinyal audio terutama dalam arti kecepatan konvergensi. Least Mean
Square dapat digunakan untuk pengurangan White Noise dan Additive White
Gaussian Noise pada stasiun radio Oryza. Dengan metode Least Mean Square,
menghasilkan Normalized Weight Differences (NWD) sebesar -1,557 dB untuk White
Noise dan -3,836 dB untuk Additive White Gaussian Noise yang dapat dikatakan
cukup efektif.
b. Method of Least Squares :
Metode Least Square merupakan metode yang sering digunakan untuk menentukan
peramalan, karena hasil peramalannya dinilai detail dan teliti. Metode of Least
Squares dapat digunakan untuk memprediksi tingkat penjualan motor. Dengan
Metode of Least Squares, menghasilkan tingkat akurasi dalam prediksi yang cukup
baik dengan nilai akurasi sebesar 78,05% dan nilai Mean absolute Persentage Eror
(MAPE) sebesar 21,95%.
c. Recursive Maximum Likelihood Method :
Metode Recursive Maximum Likelihood adalah metode yang didapatkan dari partial
derivatives dari metode non-recursive. Metode Recursive Maximum Likelihood dapat
digunakan untuk pengidentifikasian dari Hammerstein ARMAX System. Dengan
metode Recursive Maximum Likelihood, menghasilkan noise-to-signal-ratio (NSR)
sebesar 36,39% yang dapat dikatakan cukup efektif.
d. Bayes Methods :
Metode Bayes merupakan metode yang ada didalan mesin mesin pembelajaran
berdasarkan data training, dengan menggunakan probabilitas bersyarat sebagai
dasarnya (Algoritma yang mempelajari probabilitas suatu objek dengan ciri-ciri
tertentu yang termasuk dalam kelompok/kelas tertentu). Metode ini sering digunakan
di bidang aplikasi dalam berbagai kegiatan, termasuk sains, teknik, filsafat,
kedokteran, olahraga, dan hukum, dll. Pada bidang keuangan dalam menghitung atau
memperbarui evaluasi resiko. Pada bidang perhotelan membantu menyelesaikan
masalah kekurangan pengamatan, yang merupakan masalah yang sering terjadi di area
tertentu.