The hepatitis C virus (HCV) is considered a problem to the health of societies are the main. There are around 120-130 million or 3% of the world's total population infected with HCV. Without treatment, most major infectious acute evolve into chronic, followed by diseases liver, such as cirrhosis and cancer liver. The data parameters used in this study included albumin (ALB), bilirubin (BIL), choline esterase (CHE), -glutamyl-transferase (GGT), aspartate amino-transferase (AST), alanine amino-transferase (ALT), cholesterol (CHOL), creatinine (CREA), protein (PROT), and Alkaline phosphatase (ALP). This research proposes a methodology based on machine learning classification methods including k-nearest neighbors, naïve Bayes, neural network, and random forest. The aim of this study is to assess and evaluate the level of accuracy using the algorithm classification machine learning to detect the disease HCV. The result show that the accuracy of the method NN has a value of accuracy are high, namely at 95.12% compared to the method KNN, naïve Bayes and RF in a row amounted to 89.43%, 90.24%, and 94.31%.
This paper presents a perfect tracking optimal control for discrete-time nonminimum phase of electrohydraulic actuator (EHA) system by adopting a combination of feedback and feedforward controller. A linear-quadratic regulator (LQR) is firstly designed as a feedback controller, and a feedforward controller is then proposed to eliminate the phase error emerged by the LQR controller during the tracking control. The feedforward controller is developed by implementing the zero phase error tracking control (ZPETC) technique in which the main difficulty arises from the nonminimum phase system with no stable inverse. Subsequently, the proposed controller is performed in simulation and experimental studies where the EHA system is represented in discrete-time model that has been obtained using system identification technique. It also shows that the controller offers better performance as compared to conventional PID controller in reducing phase and gain error that typically occurred in positioning or tracking systems.
Particle Swarm Optimization (PSO) merupakan algoritma optimasi yang sederhana dan handal untuk menyelesaikan permasalahan optimisasi. Pada metode tersebut persebaran partikel melalui pencarian global dan pencarian lokal merupakan kunci keberhasilan dalam pencarian dengan algoritma PSO melalui parameter inertia. Pada makalah ini memaparkan metode perubahan bobot inertia pada PSO dengan menggunakan fuzzy signature. Pada makalah ini usulan metode digunakan untuk menyelesaikan permasalahan optimisasi parameter kendali LQR pada stabilisasi double inverted pendulum. Evaluasi performansi dilakukan dengan algoritma perubahan bobot lain. Hasil simulasi menunjukkan bahwa metode yang diusulkan dapat menurunkan Integral Time Absolute Error(ITAE) 7% dibanding dengan algoritma lain. Signature PSO memiliki robustness dan optimal dalam menyelesaiakan permasalahan tersebut.
Elektro-hidrolik merupakan jenis aktuator yang kompleks dengan ketaklinieran yang tinggi dan mengandung unsur ketidakpastian di dalamnya. Oleh karena itu untuk mendapatkan performa terbaik dari sistem elektro-hidrolik diperlukan pemodelan yang lebih akurat dan sistem pengaturan yang tepat. Tujuan dari tugas akhir ini adalah melakukan pemodelan sistem secara tak-linier dan dilanjutkan dengan perancangan sistem pengaturan tak-linier yang robust untuk sistem elektro-hidrolik. Dalam tulisan ini pemodelan dilakukan dengan menggunakan System Identification Toolbox pada Matlab dari sepasang data input-output yang diambil dari sistem sebenarnya. Model dari sistem ditampilkan dalam bentuk tak-linier, karena mengakomodasi ketaklinieran, ketidakpastian dan gangguan dari sistem elektro-hidrolik. Sistem pengaturan menggunakan Sliding Mode Control (SMC) yang dikombinasikan dengan pengaturan Fuzzy dalam format Adaptif Sliding Mode Control (ASMC) untuk mengkompensasi perubahan parameter, ketaklinieran, ketidakpastian dan gangguan pada pengaturan SMC. Stabilitas sistem pengaturan dijamin dengan fungsi Lyapunov. Hasil pemodelan tak-linier menunjukkan nilai best-fit sebesar 94.65 %. Sementara pengaturan ASMC menghasilkan performa lebih baik dibandingkan dengan pengaturan SMC, hal ini dibuktikan menggunakan metode Sum of Squared Tracking Errors (SSTE) menghasilkan nilai sebesar 0,0121.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.