DETEKSI HUBUNG SINGKAT PADA BELITAN STATOR MOTOR INDUKSI SATU FASA MENGGUNAKAN JARING SARAF TIRUAN
|
|
- Yuliani Sugiarto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 DETEKSI HUBUNG SINGKAT PADA BELITAN STATOR MOTOR INDUKSI SATU FASA MENGGUNAKAN JARING SARAF TIRUAN Dicky Nova Wardana Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih-Sukolilo, Surabaya Abstrak : Motor induksi adalah salah satu peralatan utama dalam industri. Kerusakan pada bagian motor akan mempengaruhi proses produksi. Oleh karena itu, deteksi dini kerusakan motor induksi sangat dibutuhkan untuk menghindari kerusakan yang lebih parah. Tugas akhir ini menyajikan metode identifikasi untuk mendeteksi hubung singkat pada stator motor induksi satu fasa. Metode yang diajukan digunakan untuk mengidentifikasi hubung singkat dengan durasi yang sangat singkat, impedansi tinggi, dan gangguan non-periodik pada belitan stator. Gabungan transformasi wavelet dan jaring saraf tiruan digunakan sebagai metode pengidentifikasi kerusakan. Variabel identifikasi yang digunakan pada metode tersebut diambil dari sinyal arus stator. Untuk mencapai tujuan yang diinginkan, data percobaan arus hubung singkat 25%, 50%, dan 75% dari total belitan digunakan sebagai studi kasus. Hasil simulasi menunjukkan bahwa data pelatihan teridentifikasi 100% sedangkan data validasi teridentifikasi rata-rata 85% dalam menentukan keadaan belitan stator motor induksi satu fasa. Kata kunci : deteksi dini, hubung singkat, jaring saraf tiruan, belitan stator, motor induksi. I. PENDAHULUAN Motor induksi ukuran kecil maupun sedang digunakan secara luas pada industri dan peralatan rumah tangga. Motor-motor tersebut ditempatkan pada lingkungan dan kondisi bervariasi yang dapat menimbulkan kerusakan pada bagian-bagian motor. Kerusakan isolasi belitan dan bearing adalah jenis kerusakan yang paling umum [1]. Penelitian tentang gangguan pada motor induksi yang telah dilakukan menunjukkan mekanisme kegagalan pada mesin induksi yang paling umum dapat dikategorikan berdasarkan komponen utama mesin seperti gangguan pada stator(38%), gangguan pada rotor(10%), gangguan pada bearing(40%) dan gangguan lain(12%) [2,3]. Deteksi dini hubung singkat pada belitan saat motor beroperasi akan mencegah kerusakan berikutnya pada belitan yang saling berdekatan, inti stator, mengurangi biaya reparasi dan memperpanjang usia motor. Oleh karena itu deteksi kerusakan motor induksi mendapat perhatian lebih beberapa tahun belakangan [4]. Hubung singkat pada belitan menyebabkan penurunan jumlah belitan ekuivalen pada motor. Hal ini menyebabkan penurunan kecepatan dan peningkatan panas pada inti karena penambahan rugi-rugi I 2 R. Peningkatan panas membuat suhu belitan stator meningkat sehingga berakibat pada penurunan perkiraan umur isolasi belitan. Kegagalan isolasi pada belitan stator akan mengakibatkan tambahan hubung singkat pada belitan, tambahan kenaikan temperature, dan semakin memperpendek umur isolasi belitan. Selanjutnya, akan menyebabkan kerusakan pada belitan yang berdekatan bahkan menyebabkan motor gagal beroperasi [5]. Pada penelitian sebelumnya simulasi hubung singkat dilakukan dengan cara mensolder belitan stator sehingga menyebabkan kenaikan arus yang dikonsumsi motor [6]. Pada penelitian ini simulasi hubung singkat hubung singkat dilakukan dengan cara mengkondisikan belitan stator terhubung singkat sesaat yang menggambarkan awal terjadinya kerusakan isolasi belitan stator. Gejala kerusakan belitan tersebut tidak dapat diamati dengan mengukur besarnya arus yang mengalir karena besarnya arus tidak mengalami kenaikan yang signifikan. Data yang dibutuhkan untuk melatih JST dihasilkan di laboratorium menggunakan motor induksi satu fasa yang didesain khusus untuk mempermudah simulasi hubung singkat yang terjadi pada belitan stator. II. TEORI PENUNJANG 2.1 Jaring Saraf Tiruan JST adalah sebuah sistem pemroses informasi dengan karakteristik tertentu yang dibuat menyerupai suatu jaring saraf biologis. Misalkan terdapat n buah masukan dan penimbang, fungsi keluaran dari tiap neuron adalah sebagai berikut: F(x,w) = f(w 1 x w n x n ) (1) Gambar 1. Model tiruan neuron tanpa bias Proses belajar (learning) bagi JST merupakan proses mengatur nilai bobot penimbangnya untuk mendapatkan nilai yang terbaik dengan melatih JST menggunakan sekumpulan data, menurut unjuk kerja sistem yang dikehendaki [7]. Halaman 1 dari 6 halaman
2 2.2 Backpropagation Neural Network Algoritma pelatihan BPNN terdiri dari dua proses utama, yaitu feed forward dan backpropagation dari error-nya [7]. Secara garis besar, algoritma ini disebut sebagai backpropagation neural network (BPNN) karena ketika JST diberi pola masukan sebagai pola pelatihan, maka pola tersebut disebarkan maju (forward) menuju ke unit-unit pada hidden layer dan diteruskan pada output layer yang akan memberikan tanggapan yang disebut sebagai keluaran JST. Ketika keluaran JST tidak sama dengan keluaran yang diharapkan maka keluaran akan disebar mundur (backward) pada hidden layer dan diteruskan ke unit pada input layer. 2.3 Discrete Wavelet Transform Transformasi wavelet dalam konteks pemrosesan sinyal adalah sebuah metode untuk mendekomposisi sinyal masukan yang diinginkan menjadi gelombang lain yang disebut wavelet dan menganalisis sinyal tersebut dengan memberi perlakuan terhadap koefisien-koefisien wavelet tersebut. Proses dekomposisi melibatkan dua filter, yaitu low pass filter dan high pass filter. Hasil yang diperoleh berupa sinyal aproksimasi ca dan sinyal detail cd. Wavelet merupakan persamaan matematis yang memisahkan sinyal kedalam frekuensi yang berbeda, dan selanjutnya menganalisis masingmasing komponen dangan resolusi yang disesuaikan dengan skala. Pada pemrosesan sinyal, wavelet merupakan suatu bentuk energi yang memplot sesaat setiap bagian sinyal yang hendak dianalisis. Bentuk wavelet digambarkan sebagai sebuah bentuk gelombang dengan durasi terbatas dan memiliki nilai rata-rata sama dengan nol. Analisis wavelet pada dasarnya merupakan pergeseran dan penskalaan suatu bentuk energi terbatas yang disebut wavelet induk (t) terhadap sinyal yang diinginkan. Sehingga transformasi wavelet diskrit dapat dituliskan sebagai berikut. j/2 j ψ jk ( t) = 2 ψ(2 t k) (2) j adalah parameter perluasan (penskalaan) dan k adalah parameter pergeseran [8]. III. METODOLOGI Arus motor disensor dengan menggunakan trafo arus untuk mendapatkan sinyal dengan magnitudo yang maksimum tidak melebihi kemampuan peralatan analog to digital converter (A/DC). Selanjutnya, sinyal analog akan dikonversi dengan A/DC menjadi sinyal digital. Sinyal digital tersebut kemudian diolah menggunakan transformasi wavelet diskrit hingga level tiga. Sinyal frekuensi tinggi tersebut kemudian diambil masing-masing fiturnya lalu diinputkan ke sistem identifikasi (JST). Dari sistem ini maka sinyal akan diindetifikasi apakah motor mengalami gangguan atau tidak. Diagram alir deteksi hubung singkat belitan stator motor induksi pada paper ini dapat dilihat pada Gambar 2. Gambar 2. Diagram alir deteksi hubung singkat 3.1 Perangkat Percobaan Motor induksi satu fasa digunakan sebagai obyek penelitian. Spesifikasi motor yang digunakan adalah sebagai berikut: teganggan sumber 220 volt, frekuensi 50 Hz, memiliki empat kutub, 1/4 HP, dan kecepatan motor 1400 rpm. Motor disadap masing-masing belitannya untuk mensimulasikan hubung singkat yang terjadi pada belitan stator motor. Hal ini dilakukan untuk menggambarkan lokasi hubung singkat yang mungkin terjadi pada motor. Foto motor yang telah disadap dapat dilihat pada Gambar 3. Gambar 3. Motor induksi satu fasa Pada percobaan ini lokasi hubung singkat dibagi menjadi tiga tingkatan yaitu 25%, 50%, dan 75% dari total belitan stator. Diagram pengkabelan belitan stator yang digunakan dalam percobaan ini dapat dilihat pada Gambar 4. Hubung singkat sesaat dihasilkan dengan bantuan mikrokontroler sebagai switch elektronik. Mikrokontroler berfungsi sebagai pemberi sinyal on-off pada TRIAC. Sedangkan Halaman 2 dari 6 halaman
3 lokasi hubung singkat dapat ditentukan berdasarkan kedudukan selektor. Gambar selektor yang digunakan dalam percobaan ini dapat dilihat pada Gambar 4. Hambatan geser (rheostat) dipasang untuk mensimulasikan impedansi hubung singkat. Gambar 4. Wiring diagram belitan stator 3.2 Percobaan Pada percobaan ini data analog dari arus stator motor diubah menjadi data digital menggunakan A/D converter lalu ditampilkan melalui osiloskop untuk mengetahui bentuk gelombang yang akan dianalisis. Data digital ini dikirimkan ke komputer melalui kabel serial (RS-232) dengan bantuan remote control program yang nantinya akan digunakan sebagai masukan dalam proses pembelajaran pada JST untuk menentukan keadaan motor. Analog to digital converter diperlukan karena data arus stator motor merupakan data analog sehingga perlu diubah menjadi bentuk data diskrit agar memudahkan dalam proses selanjutnya. A/D converter ini sekaligus berfungsi sebagai pengubah data arus menjadi data tegangan karena masukan osiloskop merupakan data tegangan. Sedangkan sebagai sarana pengiriman data menggunakan kabel serial (RS-232) jenis female pada kedua ujungnya. Pada kasus penggunaan notebook maupun laptop yang tidak memiliki terminal serial dibutuhkan konverter serial to USB sebagai pengganti terminal serial. Diagram blok percobaan dapat dilihat pada Gambar Pengambilan Data Pada tahap ini diambil data bentuk gelombang arus stator motor induksi normal maupun yang mengalami gangguan. Pengambilan data bentuk arus stator motor induksi dilakukan dengan cara memasang probe osiloskop pada kabel fase pada sisi suplai. Pengambilan data ini menggunakan osiloskop merk GW Instek tipe GRS-6052A. Pengambilan data ini dilakukan dengan menggunakan time sample 50 ms/div dan 1 volt/div. Data bentuk gelombang yang diperoleh selanjutnya dikirimkan ke komputer melalui kabel serial (RS- 232) menggunakan bantuan GRS-60X2 PC remote control program. File yang dihasilkan oleh program ini adalah data dalam format CSV dan gambar bentuk gelombang dalam format BMP, PCX, TIFF, PNG atau JPEG. Tampilan program dapat dilihat pada Gambar 6. Gambar 6. Tampilan remote control program [9] Gambar 5. Diagram blok percobaan Halaman 3 dari 6 halaman
4 3.4 Pengolahan Data Dalam penelitian sebelumnya, penggunaan fitur domain waktu saja hanya memberikan tingkat akurasi identifikasi maksimal sebesar 57% [10]. Oleh karena itu dalam tugas akhir ini data-data bentuk gelombang yang diperoleh dari proses pengambilan data dikelompokkan menjadi dua. Data pertama merupakan data yang nantinya akan digunakan sebagai masukan dalam proses pembelajaran JST. Data kedua merupakan data pengujian untuk mengetahui unjuk kerja JST yang digunakan. Selanjutnya masing-masing kelompok data diolah menggunakan discrete 1-D wavelet transform (DWT) untuk mendapatkan feature extraction masing-masing gelombang. Langkah ini adalah langkah awal yang penting dalam monitoring dan deteksi kerusakan motor karena dapat mereduksi jumlah sampling sehingga dapat mempercepat proses kalkulasi dalam pelatihan JST. Penggunaan DWT sebagai pengolah data karena sinyal arus pada saat gangguan merupakan sinyal non-stationer atau transien. Sehingga keadaan tersebut dapat dijadikan sebagai tanda adanya gangguan pada motor. Karena gangguan berbeda memiliki efek yang berbeda terhadap arus stator transformasi wavelet dapat digunakan sebagai metode feature extraction. 3.5 Identifikasi Output atau keluaran JST merupakan identifikasi keadaan motor induksi. Identifikasi yang dihasilkan meliputi ada tidaknya hubung singkat pada belitan stator serta lokasi hubung singkat yang terjadi. Identifikasi keadaan motor induksi dapat dilihat pada Tabel Fungsi aktivasi Hidden layer : tansig(sigmoid bipolar) Output layer : logsig(sigmoid biner) 4. Iterasi maksimal : Error minimal : 10e-5 6. Learning rate : 0,1 4.2 Data arus motor Dari pengukuran terhadap motor induksi satu fasa yang dilakukan di laboratorium diperoleh bentuk gelombang arus stator seperti yang ditunjukkan Gambar 7, 8, dan 9. Gambar 7. Normal Tabel 1. Identifikasi keadaan motor Keadaan motor Keluaran JST Normal [ ] 25% [ ] 50% [ ] 75% [ ] IV. HASIL DAN ANALISIS 4.1 Parameter JST Untuk keperluan pembelajaran, parameter NN yang harus ditentukan adalah sebagai berikut : 1. Fungsi pembelajaran : traingd (Gradient descent backpropagation) 2. Jumlah layer Input layer : 22 neuron Hidden layer : 1500 neuron Output layer : 4 neuron Gambar 8. Hubung singkat 25% total belitan Halaman 4 dari 6 halaman
5 Tabel 4. Fitur arus hubung singkat 50% total belitan 50% med maks min Stdev Med -dev Tabel 5. Fitur arus hubung singkat 75% total belitan 75% med maks min Stdev Med -dev Gambar 9. Hubung singkat 50% total belitan 4.4 Pembelajaran JST Pembelajaran JST dilakukan dengan empat pola fitur arus motor yang terdiri dari fitur arus domain waktu dan fitur arus domain frekuensi. Fitur masukan yang digunakan dalam proses pelatihan adalah 4 x 22 = 88 fitur. Pola tersebut diperoleh dari fitur-fitur setiap pola arus motor kecuali mean dan median pada fitur arus domain frekuensi. Grafik keempat pola pelatihan dapat dilihat seperti pada gambar 11. Gambar 10. Hubung singkat 75% total belitan 4.3 Feature Extraction Dari hasil dekomposisi arus hingga level tiga diperoleh fitur-fitur sinyal frekuensi tinggi seperti ditunjukkan pada Tabel 2,3,4, dan 5. Table 2. Fitur arus normal normal med maks min Stdev Med -dev Tabel 3. Fitur arus hubung singkat 25% total belitan 25% med maks min Stdev Meddev Gambar 11. Grafik pola data pelatihan JST 4.5 Evaluasi Performansi Sistem Pengujian yang dilakukan terhadap data yang telah diajarkan memberikan akurasi sebesar seratus persen, dengan kata lain seluruh keadaan motor dapat dikenali dengan baik. Hasil pengujian tersebut dapat ditampilkan pada tabel seperti yang dapat dilihat pada Tabel 6. Tabel 6. Nilai keluaran tiap neuron Keadaan Keluaran JST motor Neuron1 Neuron1 Neuron1 Neuron1 Normal HS 25% HS 50% HS 75% Setelah dilakukan pembelajaran terhadap keempat pola fitur sinyal arus dilakukan pengujian dengan data yang belum pernah diajarkan sebelumnya. Hal ini bertujuan untuk memberikan validasi terhadap parameter yang digunakan. Halaman 5 dari 6 halaman
6 Keluaran JST terhadap pengujian data validasi dapat dilihat pada Tabel 7. Table 7. Keluaran JST No. Neuron 1 Neuron 2 Neuron 3 Neuron Berdasarkan Tabel 7 hasil identifikasi JST dapat dikelompokkan berdasarkan kondisi belitan statornya. Hasil identifikasi JST berdasarkan kondisi belitan stator dapat dilihat pada Tabel 8. Table 8. Hasil identifikasi JST Keadaan Keluaran JST motor normal 25% 50% 75% Normal 80% 0% 0% 0% HS 25% 40% 60% 0% 0% HS 50% 0% 0% 100% 0% HS 75% 0% 0% 0% 100% V. KESIMPULAN Berdasarkan analisis yang telah dilakukan dapat diambil kesimpulan sebagai berikut: 1. Sinyal domain frekuensi hasil pengolaan discrete wavelet transform dapat merepresentasikan bentuk gelombang yang dianalisis sehingga dapat digunakan sebagai masukan JST 2. Data pelatihan teridentifikasi 100% dan data validasi teridentifikasi rata-rata 85% dalam menentukan keadaan belitan stator motor induksi satu fasa. 3. Kombinasi transformasi wavelet yang digunakan untuk menganalisis sinyal diskontinyu dan metode JST dapat digunakan untuk menganalisis dan mengidentifikasi jenis gangguan. PENGEMBANGAN Sistem ini hanya bisa digunakan untuk mendeteksi hubung singkat pada belitan stator pada motor induksi dalam keadaan tanpa beban, kedepan dapat dikembangankan untuk mendeteksi kerusakan belitan motor pada berbagai macam kondisi pembebanan, maupun jenis kerusakan lain yang umum terjadi pada motor. UCAPAN TERIMAKASIH Penulis mengucapkan terimakasih kepada bapak Mauridhi H. P. dan bapak Dimas Anton A. selaku dosen pembimbing yang telah membantu penyelesaian tugas akhir ini. DAFTAR PUSTAKA [1] M. Y. Chow, Methodologies of using neural network and fuzzy logic technologies for motor incipient fault detection, World Scientific Publishing Co. Pte. Ltd, Singapore, [2] O.V. Thorsen and M. dalva, failure identification and analysis for HV induction motors in the petrochemical industry, IEEE trans. On Ind. Appl., vol. 35, no. 4, jul/aug. 1999, pp [3] IAS motor reliability working group, report of large motor reliability survey of industrial and commercial installation part1, IEEE trans. On Ind. Appl., vol. 21 jul/aug. 1985, pp M. Young, The Technical Writer's Handbook. Mill Valley, CA: University Science, [4] K. Kim and A. G. Parlos, Induction Motor ault Diagnosis Based on Neuropredictors and Wavelet signal processing, IEEE/ASME Trans. On Mechatronics, vol. 7, no. 2, June [5] S.A. Nasar, Hanbook of electric Machines, New York: Mc Graw Hill, Chapter 3 dan 4, [6] M. Benbouzid, A review of induction motors signature analysis as a medium for faults detection, IEEE Trans. Ind. Electron., vol 47, pp , Oct [7] Mauridhi Hery P. dan Agus Kurniawan, Supervised Neural Networks dan Aplikasinya, Graha Ilmu, Yogyakarta, [8] Ika Damayanti, Metode Wavelet Untuk Peramalan Time SeriesYang Non Stasioner, Tesis Jurusan Statistika FMIPA- ITS, Surabaya [9] GW Instek, GRS60x2 PC Remote Contrl Program, User Manual, [10] Dicky N. Wardana, Dimas Anton A., dan Mauridhi Hery P., Early Detection for Short Circuit Symptom at Single Phase Induction Motor Winding Using Neural Networks, Proceedings of National Seminar on Applied Technology, Science, and Arts, pp. 35, Surabaya, Desember DAFTAR RIWAYAT HIDUP Dicky Nova Wardana dilahirkan di Sidoarjo, 10 November Penulis adalah putra terakhir dari tiga bersaudara pasangan Sadili dan Sriwati. Penulis memulai jenjang pendidikannya di SDN Candinegoro, SLTPN 1 Krian, serta SMAN 1 Sidoarjo hingga lulus tahun Pada tahun yang sama, penulis melanjutkan studi di Jurusan Teknik Elektro FTI-ITS lewat jalur SPMB dan mengambil bidang studi Teknik Sistem Tenaga. Penulis dapat dihubungi pada alamat dinowardana@yahoo.com. Halaman 6 dari 6 halaman
DETEKSI HUBUNG SINGKAT PADA BELITAN STATOR MOTOR INDUKSI TIGA FASA TANPA BEBAN MENGGUNAKAN JARING SYARAF TIRUAN
DETEKSI HUBUNG SINGKAT PADA BELITAN STATOR MOTOR INDUKSI TIGA FASA TANPA BEBAN MENGGUNAKAN JARING SYARAF TIRUAN Nanang Hardianto - 2205100196 Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember
Lebih terperinciDETEKSI HUBUNG SINGKAT PADA BELITAN STATOR MOTOR INDUKSI TIGA FASA TANPA BEBAN MENGGUNAKAN JARING SYARAF TIRUAN
DETEKSI HUBUNG SINGKAT PADA BELITAN STATOR MOTOR INDUKSI TIGA FASA TANPA BEBAN MENGGUNAKAN JARING SYARAF TIRUAN Pre s e n ter : N a n a n g Ha r d i a n to (2205.100.196) Pemb i m b i n g : Pro f. Dr.
Lebih terperinciJARING SARAF TIRUAN. oleh : Dicky Nova Wardana Pembimbing : Prof. Dr. Ir Mauridhi Hery P., M.Eng.
DETEKSI HUBUNG SINGKAT PADA BELITAN STATOR MOTOR INDUKSI SATU FASA MENGGUNAKAN JARING SARAF TIRUAN oleh : Dicky Nova Wardana 2205 100 157 Pembimbing : Prof. Dr. Ir Mauridhi Hery P., M.Eng. Teknik Sistem
Lebih terperinciDesain Peralatan Pendeteksi Gangguan Hubung Singkat Belitan Stator Motor Induksi Menggunakan Arus Online Berbasis Mikrokontroler
JURNAL TEKNIK ITS Vol. 4, No. 2, (2015) ISSN: 2337-3539 (2301-9271 Print) A-211 Desain Peralatan Pendeteksi Gangguan Hubung Singkat Belitan Stator Motor Induksi Menggunakan Arus Online Berbasis Mikrokontroler
Lebih terperinciSimulasi dan Deteksi Hubung Singkat Impedansi Tinggi pada Stator Motor Induksi Menggunakan Arus Starting
Simulasi dan Deteksi Hubung Singkat Impedansi Tinggi pada Stator Motor Induksi Menggunakan Arus Starting Simulation and Detection of High Impedance Short Circuit on Stator Induction Motor Using Starting
Lebih terperinciBAB 1 PENDAHULUAN. Motor induksi (MI) adalah alat listrik yang mengubah energi listrik menjadi
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Motor induksi (MI) adalah alat listrik yang mengubah energi listrik menjadi energi mekanik yang berupa tenaga putar [1]. Motor induksi banyak dipakai sebagai
Lebih terperinciIDENTIFIKASI PENGENALAN BENTUK BANGUN DATAR DUA DIMENSI MENGGUNAKAN NEURAL NETWORK BACKPROPAGATION
IDENTIFIKASI PENGENALAN BENTUK BANGUN DATAR DUA DIMENSI MENGGUNAKAN NEURAL NETWORK BACKPROPAGATION Rusmono Yulianto 2208205701 Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember Kampus ITS,
Lebih terperinciDETEKSI KERUSAKAN ROTOR BAR MOTOR INDUKSI MENGGUNAKAN ANALISIS ARUS OUTPUT INVERTER BERBASIS WAVELET
SEMINAR TUGAS AKHIR JUNI 2013 DETEKSI KERUSAKAN ROTOR BAR MOTOR INDUKSI MENGGUNAKAN ANALISIS ARUS OUTPUT INVERTER BERBASIS WAVELET Oleh: Rifaldy Swasetyasakti 2209100080 Dosen Pembimbing Prof. Ir. Mochamad
Lebih terperinciBAB 3 PERANCANGAN SISTEM PENGENAL SUARA
BAB 3 PERANCANGAN SISTEM PENGENAL SUARA 3.1 Perangkat Keras yang Digunakan Untuk menunjang perancangan sistem pengenalan suara, maka digunakan perangkat keras ( Hardware ) dengan spesifikasi sebagai berikut
Lebih terperinciIDENTIFIKASI KARAKTERISTIK SINYAL ARUS STATOR MOTOR INDUKSI TIGA FASE AKIBAT GANGGUAN HUBUNG SINGKAT ANTAR LILITAN
IDENTIFIKASI KARAKTERISTIK SINYAL ARUS STATOR MOTOR INDUKSI TIGA FASE AKIBAT GANGGUAN HUBUNG SINGKAT ANTAR LILITAN Eko Prasetyo (12ekoprasetyo@gmail.com) Dr. Ir. Dian Retno Sawitri. M.T. Jurusan Teknik
Lebih terperinciPENGATURAN KECEPATAN DAN POSISI MOTOR AC 3 PHASA MENGGUNAKAN DT AVR LOW COST MICRO SYSTEM
PENGATURAN KECEPATAN DAN POSISI MOTOR AC 3 PHASA MENGGUNAKAN DT AVR LOW COST MICRO SYSTEM Fandy Hartono 1 2203 100 067 Dr. Tri Arief Sardjono, ST. MT. 2-1970 02 12 1995 12 1001 1 Penulis, Mahasiswa S-1
Lebih terperinciAnalisis Vibrasi untuk Klasifikasi Kerusakan Motor di PT Petrokimia Gresik Menggunakan Fast Fourier Transform dan Neural Network
JURNAL TEKNIK POMITS Vol. 1, No. 1, (14) 1-6 1 Analisis Vibrasi untuk Klasifikasi Kerusakan Motor di PT Petrokimia Gresik Menggunakan Fast Fourier Transform dan Neural Network Nirma Priatama, Dimas Anton
Lebih terperinciPREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK
PREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK Yudhi Andrian 1, Erlinda Ningsih 2 1 Dosen Teknik Informatika, STMIK Potensi Utama 2 Mahasiswa Sistem Informasi, STMIK
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang
Lebih terperinciPROGRAM PASCA SARJANA JURUSAN TEKNIK ELEKTRO ELEKTRONIKA
RANCANG BANGUN SISTEM KOMUNIKASI ANTAR PEMAKAI HELM BERBASIS PENGENALAN WICARA DISUSUN OLEH : YUNUS WICAKSONO SUGIARSO NRP.2208204002 PROGRAM PASCA SARJANA JURUSAN TEKNIK ELEKTRO ELEKTRONIKA INSTITUT TEKNOLOGI
Lebih terperinciHasil dan Analisis. f brb. Analisis dengan frekuensi resolusi tinggi mengunakan FFT
Analisis dengan frekuensi resolusi tinggi mengunakan FFT Frekuensi resolusi tinggi dari fast fourier transform (FFT) berhubungan dengan total panjang rentang waktu untuk memperhatikan banyaknya sample
Lebih terperinciPenerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6
Penerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6 Sari Indah Anatta Setiawan SofTech, Tangerang, Indonesia cu.softech@gmail.com Diterima 30 November 2011 Disetujui 14 Desember 2011
Lebih terperinciImplementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series
Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series Oleh: ABD. ROHIM (1206 100 058) Dosen Pembimbing: Prof. Dr. M. Isa Irawan, MT Jurusan Matematika
Lebih terperinciANALISIS HUBUNGAN ANTARA TINGKAT PENGENALAN JARINGAN SYARAF TIRUAN DENGAN BANYAKNYA JUMLAH KELAS POLA YANG DIKENALI DAN TINGKAT KERUMITAN POLANYA
ISSN: 1693-6930 159 ANALISIS HUBUNGAN ANTARA TINGKAT PENGENALAN JARINGAN SYARAF TIRUAN DENGAN BANYAKNYA JUMLAH KELAS POLA YANG DIKENALI DAN TINGKAT KERUMITAN POLANYA Iwan Suhardi, Riana T. Mangesa Jurusan
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 SPEAKER IDENTIFICATION DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF
Lebih terperinciTes Surja untuk Mendeteksi Kerusakan Belitan pada Motor Induksi Tegangan Rendah
Tes Surja untuk Mendeteksi Kerusakan Belitan pada Motor Induksi Tegangan Rendah Oleh : Pradika Sakti 2211106027 Pembimbing 1 Dimas Anton Asfani, ST, MT, Ph.D Pembimbing 2 Dr.Eng. I Made Yulistya Negara,
Lebih terperinciRANCANGAN BANGUN PENGUBAH SATU FASA KE TIGA FASA DENGAN MOTOR INDUKSI TIGA FASA
Yogyakarta, 0 Nopember 2007 RANCANGAN BANGUN PENGUBAH SATU FASA KE TIGA FASA DENGAN MOTOR INDUKSI TIGA FASA Sofian Yahya, Toto Tohir Jurusan Teknik Elektro, Program Studi Teknik Listrik, Politeknik Negeri
Lebih terperinciKLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION. Dhita Azzahra Pancorowati
KLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION Dhita Azzahra Pancorowati 1110100053 Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi
Lebih terperinciMODEL PEMBELAJARAN JARINGAN SYARAF TIRUAN UNTUK OTOMATISASI PENGEMUDIAN KENDARAAN BERODA TIGA
MODEL PEMBELAJARAN JARINGAN SYARAF TIRUAN UNTUK OTOMATISASI PENGEMUDIAN KENDARAAN BERODA TIGA Ramli e-mail:ramli.brt@gmail.com Dosen Tetap Amik Harapan Medan ABSTRAK Jaringan Syaraf Tiruan adalah pemrosesan
Lebih terperinciPengendalian Posisi Mobile Robot Menggunakan Metode Neural Network Dengan Umpan Balik Kamera Pemosisian Global
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Pengendalian Posisi Mobile Robot Menggunakan Metode
Lebih terperinciPENGENDALIAN POSISI MOBILE ROBOT MENGGUNAKAN METODE NEURAL NETWORK DENGAN UMPAN BALIK KAMERA PEMOSISIAN GLOBAL
PENGENDALIAN POSISI MOBILE ROBOT MENGGUNAKAN METODE NEURAL NETWORK DENGAN UMPAN BALIK KAMERA PEMOSISIAN GLOBAL Randy Reza Kautsar (1), Bima Sena Bayu D S.ST M.T (2), A.R. Anom Besari. S.ST, M.T (2) (1)
Lebih terperinciPREDIKSI PENDAPATAN ASLI DAERAH KALIMANTAN BARAT MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PREDIKSI PENDAPATAN ASLI DAERAH KALIMANTAN BARAT MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Dwi Marisa Midyanti Sistem Komputer Universitas Tanjungpura Pontianak Jl Prof.Dr.Hadari Nawawi, Pontianak
Lebih terperinciPERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK EVALUASI KETEPATAN PREDIKSI WAKTU KERUSAKAN SUATU KOMPONEN
Feng PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK... 211 PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK EVALUASI KETEPATAN PREDIKSI WAKTU KERUSAKAN SUATU KOMPONEN Tan
Lebih terperinciBAB IV PENGUJIAN DAN ANALISA
54 BAB IV PENGUJIAN DAN ANALISA Dalam bab ini akan dibahas tentang pengujian berdasarkan perencanaan dari sistem yang dibuat. Pengujian ini dilakukan untuk mengetahui kinerja dari sistem mulai dari blok-blok
Lebih terperinciSISTEM TELECARDIAC MONITORING EKSTRAKSI DAN TRANSMISI PARAMETER TEMPORAL SINYAL JANTUNG MELALUI KANAL RADIO
SISTEM TELECARDIAC MONITORING EKSTRAKSI DAN TRANSMISI PARAMETER TEMPORAL SINYAL JANTUNG MELALUI KANAL RADIO Norma Hermawan 1), Muh. Farid Retistianto 2), Achmad Arifin 3) 1),3 ) Teknik Biomedik, Institut
Lebih terperinciANALOG SIGNAL PROCESSING USING OPERASIONAL AMPLIFIERS
ANALOG SIGNAL PROCESSING USING OPERASIONAL AMPLIFIERS (PEMROSESAN SINYAL ANALOG MENGGUNAKAN PENGUAT OPERASIONAL) A. PENDAHULUAN Sinyal keluaran dari sebuah tranduser atau sensor sangat kecil hampir mendekati
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2004/2005
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2004/2005 PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANS FORMAS I WAVELET DIS KRIT D AN JARINGAN S ARAF
Lebih terperinciPENGENALAN SUARA MANUSIA DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN MODEL PROPAGASI BALIK
ABSTRAK PENGENALAN SUARA MANUSIA DENGAN MENGGUNAKAN Dosen Jurusan Teknik Elektronika Fakultas Teknik Universitas Negeri Makassar Pada penelitian ini dibuat sebuah sistem pengenalan suara manusia dengan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu yang digunakan dalam penelitian ini yaitu dalam kurun waktu enam bulan terhitung mulai februari 2012 sampai juli 2012. Tempat yang digunakan
Lebih terperinciPerbaikan Faktor Daya Motor Induksi 3 fase menggunakan Mikrokontroler 68HC11
Perbaikan Faktor Daya Motor Induksi 3 fase menggunakan Mikrokontroler 68HC11 Bambang Sutopo *), F. Danang Wijaya *), Supari **) *) Jurusan Teknik Elektro Fakultas Teknik, UGM, Yogyakarta **) Jurusan Teknik
Lebih terperinciRANCANG BANGUN PENGAMAN MOTOR INDUKSI 3 FASA TERHADAP UNBALANCE VOLTAGE DAN OVERLOAD DENGAN SISTEM MONITORING
RANCANG BANGUN PENGAMAN MOTOR INDUKSI 3 FASA TERHADAP UNBALANCE VOLTAGE DAN OVERLOAD DENGAN SISTEM MONITORING I.P. Sudiarta 1, I.W.Arta Wijaya 2, I.G.A.P. Raka Agung 3 1,2,3 Jurusan Teknik Elektro, Fakultas
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM
IMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM Ayu Trimulya 1, Syaifurrahman 2, Fatma Agus Setyaningsih 3 1,3 Jurusan Sistem Komputer, Fakultas MIPA Universitas
Lebih terperinciEVALUASI PENGARUH FUNGSI AKTIFASI DAN PARAMETER KEMIRINGANNYA TERHADAP UNJUKKERJA PENGENALAN JARINGAN SYARAF TIRUAN
EVALUASI PENGARUH FUNGSI AKTIFASI DAN PARAMETER KEMIRINGANNYA TERHADAP UNJUKKERJA PENGENALAN JARINGAN SYARAF TIRUAN (Studi Kasus pada Pengenalan Karakter Angka Tulisan Tangan) Iwan Suhardi Jurusan Teknik
Lebih terperinciDeteksi Kerusakan Batang Rotor pada Motor Induksi Menggunakan Analisis Arus Mula Berbasis Hilbert Transform
JURNAL TEKNIK ITS Vol., No., (6) ISSN: 337-339 (3-97 Print) B Deteksi Kerusakan Batang Rotor pada Motor Induksi Menggunakan Analisis Arus Mula Berbasis Hilbert Transform Istiqomah, Dimas Anton Asfani,
Lebih terperinciAplikasi Jaringan Saraf Tiruan Sebagai Penterjemah Karakter Braille Ke Bentuk Abjad
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Aplikasi Jaringan Saraf Tiruan Sebagai Penterjemah
Lebih terperinciPENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN ABSTRAK
PENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN Decy Nataliana [1], Sabat Anwari [2], Arief Hermawan [3] Jurusan Teknik Elektro Fakultas Teknologi Industri Institut
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI NILAI KURS JUAL SGD-IDR
Seminar Nasional Teknologi Informasi dan Multimedia 205 STMIK AMIKOM Yogyakarta, 6-8 Februari 205 IMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI
Lebih terperinciBAB III PERANCANGAN DAN IMPLEMENTASI SISTEM
BAB III PERANCANGAN DAN IMPLEMENTASI SISTEM Pada bab ini akan dijelaskan mengenai tahapan dan algoritma yang akan digunakan pada sistem pengenalan wajah. Bagian yang menjadi titik berat dari tugas akhir
Lebih terperinciPERKIRAAN STABILITAS TRANSIEN PADA SISTEM TENAGA LISTRIK MULTIMESIN JAWA BALI 500 KV MENGGUNAKAN COMMITTEE NEURAL NETWORK
PERKIRAAN STABILITAS TRANSIEN PADA SISTEM TENAGA LISTRIK MULTIMESIN JAWA BALI 500 KV MENGGUNAKAN COMMITTEE NEURAL NETWORK Eko Prasetyo 2205 100 092 Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dielaskan mengenai teori-teori yang berhubungan dengan penelitian ini, sehingga dapat diadikan sebagai landasan berpikir dan akan mempermudah dalam hal pembahasan
Lebih terperinciANALISIS VIBRASI UNTUK KLASIFIKASI KERUSAKAN MOTOR DI PT PETROKIMIA GRESIK MENGGUNAKAN FAST FOURIER TRANSFORM DAN NEURAL NETWORK
ANALISIS VIBRASI UNTUK KLASIFIKASI KERUSAKAN MOTOR DI PT PETROKIMIA GRESIK MENGGUNAKAN FAST FOURIER TRANSFORM DAN NEURAL NETWORK Nirma Priatama NRP. 2210100159 Dosen Pembimbing : Dimas Anton Asfani, ST.,
Lebih terperinciSISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON
Jurnal Informatika Mulawarman Vol. 7 No. 3 Edisi September 2012 105 SISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON Anindita Septiarini Program Studi Ilmu Komputer FMIPA,
Lebih terperinciT 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX
T 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX Oleh: Intan Widya Kusuma Program Studi Matematika, FMIPA Universitas Negeri yogyakarta
Lebih terperinciDESAIN RECURRENT NEURAL NETWORK - AUTOMATIC VOLTAGE REGULATOR PADA SISTEM SINGLE MESIN
Prosiding Seminar Nasional Manaemen Teknologi XI Program Studi MMT-ITS, Surabaya 6 Pebruari 200 DESAIN RECURRENT NEURAL NETWORK - AUTOMATIC VOLTAGE REGULATOR PADA SISTEM SINGLE MESIN Widi Aribowo Fakultas
Lebih terperinciTes Surja untuk Mendeteksi Kerusakan Belitan pada Motor Induksi Tiga Fasa Tegangan Rendah
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) 1-5 1 Tes Surja untuk Mendeteksi Kerusakan Belitan pada Motor Induksi Tiga Fasa Tegangan Rendah Pradika Sakti (1), Dimas Anton Asfani (2), dan I Made Yulistya
Lebih terperinciPerbaikan Sistem Kendali Robot Tangan EH1 Milano Menggunakan Sistem Kendali Loop Tertutup
JURNAL TEKNIK ITS Vol. 4, No. 1, (2015) ISSN: 2337-3539 (2301-9271 Print) A-59 Perbaikan Sistem Kendali Robot Tangan EH1 Milano Menggunakan Sistem Kendali Loop Tertutup Muhammad Faris Zaini Fu ad, Achmad
Lebih terperinciKlasifikasi Odor pada Ruang Terbuka dengan Menggunakan Short Time Fourier Transform dan Neural Learning Vector Quantization
Klasifikasi Odor pada Ruang Terbuka dengan Menggunakan Short Time Fourier Transform dan Neural Learning Vector Quantization Hendrick 1, Muhammad Rivai 1, Tasripan 1 1 Jurusan Tehnik Elektro Fakultas Teknologi
Lebih terperinciOptimalisasi Identifikasi Sidik Jari Menggunakan Metode Neural network pada Sistem Keamanan Sepeda Motor
JOURNAL OF APPLIED ELECTRICAL ENGINEERING (E-ISSN: 2548-9682), VOL. 1, NO. 1, OCTOBER 2017 14 Optimalisasi Identifikasi Sidik Jari Menggunakan Metode Neural network pada Sistem Keamanan Sepeda Motor Sumantri
Lebih terperinciAplikasi yang dibuat adalah aplikasi untuk menghitung. prediksi jumlah dalam hal ini diambil studi kasus data balita
BAB III ANALISA DAN PERANCANGAN SISTEM 3.1. Analisa dan Kebutuhan Sistem Analisa sistem merupakan penjabaran deskripsi dari sistem yang akan dibangun kali ini. Sistem berfungsi untuk membantu menganalisis
Lebih terperinciIdentifikasi Jenis Cairan Dengan Metode Serapan Panjang Gelombang Dan JST- RBF
Seminar on Intelligent Technology and Its Applications 008 ISBN 978-979-8897-4-5 Identifikasi Jenis Cairan Dengan Metode Serapan Panjang Gelombang Dan JST- RBF Riny Sulistyowati.), Muhammad Rivai ) ) Jurusan
Lebih terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih terperinciBrilianda Adi WIcaksono Bidang Studi Elektronika Jurusan Teknik Elektro FTI Institut Teknologi Sepuluh Nopember Surabaya
Rancang Bangun Sistem Pencacah Frekuensi Untuk Sensor Gas Quartz Crystal Microbalance (DESIGN OF FREQUENCY COUNTER SYSTEM FOR QUARTZ CRYSTAL MICROBALANCE GAS SENSOR) Brilianda Adi WIcaksono 2209 100 014
Lebih terperinciOleh : Agus Sumarno Dosen Pembimbing : Drs. Daryono Budi Utomo, M.Si
APLIKASI WAVELET RECURRENT NEURAL NETWORK UNTUK PREDIKSI DATA TIME SERIES APPLICATION Of WAVELET RECURRENT NEURAL NETWORK FOR TIME SERIES DATA PREDICTION Oleh : Agus Sumarno 1206 100 706 Dosen Pembimbing
Lebih terperinciBAB I PENDAHULUAN. Maret hingga Agustus. Kondisi ini didukung oleh suhu rata-rata 21 0 C 36 0 C dan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Kota Dumai merupakan salah satu dari 12 Kabupaten/Kota di Provinsi Riau. Kota Dumai sangat dipengaruhi oleh iklim laut. Musim hujan jatuh pada bulan September hingga
Lebih terperinciBAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
8 BAB 2 LANDASAN TEORI 2.1 Teori Neuro Fuzzy Neuro-fuzzy sebenarnya merupakan penggabungan dari dua studi utama yaitu fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
Lebih terperinciPembuatan Pola Data Bahan Bakar Solar Yang Dicampur Minyak Tanah Menggunakan Sensor Gas Dengan Metode Fast Fourier Transform
Pembuatan Bahan Bakar Solar Yang Dicampur Menggunakan Sensor Gas Dengan Metode Fast Fourier Transform Wengki Adillah, Andrizal, Ratna Aisuwarya, Jurusan Sistem Komputer FTI Universitas Andalas Jln. Kampus
Lebih terperinciPerbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation
65 Perbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation Risty Jayanti Yuniar, Didik Rahadi S. dan Onny Setyawati Abstrak - Kecepatan angin dan curah
Lebih terperinciBAB 2 LANDASAN TEORI. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu
BAB 2 LANDASAN TEORI 2.1 Pengenalan Suara. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu speech recognition dan speaker recognition. Speech recognition adalah proses yang dilakukan
Lebih terperinciSIMULASI REDUKSI DERAU SINYAL SUARA PADA GEDUNG KEBUN RAYA PURWODADI PASURUAN DENGAN METODE DWT
SIMULASI REDUKSI DERAU SINYAL SUARA PADA GEDUNG KEBUN RAYA PURWODADI PASURUAN DENGAN METODE DWT ( Kristiawan Purwanto, Tutug Dhanardono) Jurusan Teknik Fisika FTI ITS Surabaya Kampus ITS Keputih Sukolilo
Lebih terperinciBAB I PENDAHULUAN. menggunakan rangkaian elektronika yang terdiri dari komponen-komponen seperti
BAB I PENDAHULUAN 1.1 Latar Belakang Filter merupakan suatu rangkaian yang berfungsi untuk melewatkan sinyal frekuensi yang diinginkan dan menahan sinyal frekuensi yang tidak dikehendaki serta untuk memperkecil
Lebih terperinciMateri-2 SENSOR DAN TRANSDUSER (2 SKS / TEORI) SEMESTER 106 TA 2016/2017
Materi-2 SENSOR DAN TRANSDUSER 52150802 (2 SKS / TEORI) SEMESTER 106 TA 2016/2017 KONSEP AKUISISI DATA DAN KONVERSI PENGERTIAN Akuisisi data adalah pengukuran sinyal elektrik dari transduser dan peralatan
Lebih terperinciPrediksi Pergerakan Harga Harian Nilai Tukar Rupiah (IDR) Terhadap Dollar Amerika (USD) Menggunakan Metode Jaringan Saraf Tiruan Backpropagation
1 Prediksi Pergerakan Harga Harian Nilai Tukar Rupiah (IDR) Terhadap Dollar Amerika (USD) Menggunakan Metode Jaringan Saraf Tiruan Backpropagation Reza Subintara Teknik Informatika, Ilmu Komputer, Universitas
Lebih terperinciX(t) = A sin (2π f n t )=A sin (ω.t)
Aplikasi Sensor MicroElectro Mechanical System (MEMS) sebagai Identifikasi Ketidaknormalan pada Conveyor Belt system Dosen Pembimbing: Dr.M.Rivai,ST,, MT Oleh: Sumantri Kurniawan R 2209204002 TUJUAN Mempelajari
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. perangkat. Alat dan bahan yang digunakan sebelum pengujian:
BAB IV HASIL DAN PEMBAHASAN 4.1 Pengujian Perangkat Lunak Dalam mengetahui perangkat lunak yang dibuat bisa sesuai dengan metode yang dipakai maka dilakukan pengujian terhadap masing-masing komponen perangkat.
Lebih terperinciBAB II DASAR TEORI Jaringan Syaraf Tiruan. Universitas Sumatera Utara
BAB II DASAR TEORI Landasan teori adalah teori-teori yang relevan dan dapat digunakan untuk menjelaskan variabel-variabel penelitian. Landasan teori ini juga berfungsi sebagai dasar untuk memberi jawaban
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION ABSTRAK
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION Disusun oleh: Togu Pangaribuan 0722087 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.Drg. Suria Sumantri, MPH No. 65, Bandung
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
68 BAB IV IMPLEMENTASI DAN PENGUJIAN Bab ini membahas tentang program yang telah dianalisis dan dirancang atau realisasi program yang telah dibuat. Pada bab ini juga akan dilakukan pengujian program. 4.1
Lebih terperinciSTUDI ESTIMASI CURAH HUJAN, SUHU DAN KELEMBABAN UDARA DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
STUDI ESTIMASI CURAH HUJAN, SUHU DAN KELEMBABAN UDARA DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Muh. Ishak Jumarang 1), Lyra Andromeda 2) dan Bintoro Siswo Nugroho 3) 1,3) Jurusan Fisika,
Lebih terperinciPENDETEKSI OTOMATIS ARAH SUMBER CAHAYA MATAHARI PADA SEL SURYA. Ahmad Sholihuddin Universitas Islam Balitar Blitar Jl. Majapahit no 4 Blitar.
PENDETEKSI OTOMATIS ARAH SUMBER CAHAYA MATAHARI PADA SEL SURYA Ahmad Sholihuddin Universitas Islam Balitar Blitar Jl. Majapahit no 4 Blitar Abstrak Penerapan teknologi otomatis dengan menggunakan sistem
Lebih terperinciMATERI DAN METODE. Cara Pengambilan Data
MATERI DAN METODE Lokasi dan Waktu Penelitian ini dilaksanakan di Laboratorium Lapang Bagian Ilmu Produksi Ternak Perah, Fakultas Peternakan Institut Pertanian Bogor. Penelitian dilaksanakan selama dua
Lebih terperinciBAB I PENDAHULUAN. Proses pengenalan kata merupakan salah satu fungsi dari
BAB I PENDAHULUAN I.1. Latar Belakang Masalah Proses pengenalan kata merupakan salah satu fungsi dari voice recognition. Voice recognition dibagi menjadi dua jenis, yaitu speech recognition dan speaker
Lebih terperinciTOLERANSI UNJUK PENGENALAN JARINGAN SYARAF TIRUAN PADA PENAMBAHAN DERAU DAN SUDUT PUTARAN TERHADAP POLA KARAKTER TULISAN TANGAN JENIS ANGKA
Iwan Suhardi, Toleransi Jaringan Syaraf Tiruan TOLERANSI UNJUK PENGENALAN JARINGAN SYARAF TIRUAN PADA PENAMBAHAN DERAU DAN SUDUT PUTARAN TERHADAP POLA KARAKTER TULISAN TANGAN JENIS ANGKA Iwan Suhardi Jurusan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Artificial Neural Network Artificial neural network (ANN) / jaringan saraf tiruan adalah konsep yang merefleksikan cara kerja dari jaringan saraf biologi kedalam bentuk artificial
Lebih terperinciBAB III METODE PENELITIAN. Pemotong an Suara. Convert. .mp3 to.wav Audacity. Audacity. Gambar 3.1 Blok Diagram Penelitian
BAB III METODE PENELITIAN 3.1 Model Penelitian Penelitian yang dilakukan dapat dijelaskan melalui blok diagram seperti yang terlihat pada Gambar 3.1. Suara Burung Burung Kacer Burung Kenari Pengambil an
Lebih terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciNEURAL NETWORK BAB II
BAB II II. Teori Dasar II.1 Konsep Jaringan Saraf Tiruan (Artificial Neural Network) Secara biologis jaringan saraf terdiri dari neuron-neuron yang saling berhubungan. Neuron merupakan unit struktural
Lebih terperinciPENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION 1 Andrian Rakhmatsyah 2 Sayful Hakam 3 Adiwijaya 12 Departemen Teknik Informatika Sekolah Tinggi Teknologi
Lebih terperinciANALISIS DEKOMPOSISI WAVELET PADA PENGENALAN POLA LURIK DENGAN METODE LEARNING VECTOR QUANTIZATION
ANALISIS DEKOMPOSISI WAVELET PADA PENGENALAN POLA LURIK DENGAN METODE LEARNING VECTOR QUANTIZATION Bambang Robi in eure_bbg@yahoo.com Akademi Teknik PIRI Yogyakarta Abstrak Indonesia merupakan negara yang
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2006/2007
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2006/2007 ANALISIS DAN PERANCANGAN PERANGKAT LUNAK PENGENALAN JENIS ALAT MUSIK BERDASARKAN SUMBER SUARANYA
Lebih terperinciPERBANDINGAN PENGARUH TAHANAN ROTOR TIDAK SEIMBANG DAN SATU FASA ROTOR TERBUKA : SUATU ANALISIS TERHADAP EFISIENSI MOTOR INDUKSI TIGA FASA
PERBANDINGAN PENGARUH TAHANAN ROTOR TIDAK SEIMBANG DAN SATU FASA ROTOR TERBUKA : SUATU ANALISIS TERHADAP EFISIENSI MOTOR INDUKSI TIGA FASA Wendy Tambun, Surya Tarmizi Kasim Konsentrasi Teknik Energi Listrik,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Model Penelitian Penelitian yang dilakukan dapat dijelaskan dengan lebih baik melalui blok diagram seperti yang terliat pada Gambar 3.1. Suara Manusia Rekam suara Hasil rekaman
Lebih terperinciAPLIKASI PENGOLAHAN DATA DARI SENSOR-SENSOR DENGAN KELUARAN SINYAL LEMAH
APLIKASI PENGOLAHAN DATA DARI SENSOR-SENSOR DENGAN KELUARAN SINYAL LEMAH Sensor adalah merupakan salah satu komponen penting sebagai pengindera dari sistem. Bagian ini akan mengubah hal-hal yang dideteksi
Lebih terperinciPENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION
PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION Suhendry Effendy Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Bina Nusantara University
Lebih terperinciON-BOARD FUNDAMENTAL FREQUENCY ESTIMATION OF ROCKET FLIGHT EXPERIMENTS USING DSP MICROCONTROLLER AND ACCELEROMETER
Jurnal Teknologi Dirgantara Vol. 7 No. 1 Juni 29:46-5 ON-BOARD FUNDAMENTAL FREQUENCY ESTIMATION OF ROCKET FLIGHT EXPERIMENTS USING DSP MICROCONTROLLER AND ACCELEROMETER Agus Harno Nurdin Syah, Sri Kliwati,
Lebih terperinciSIMULASI DAN DETEKSI GANGGUAN BELITAN STATOR MOTOR INDUKSI TIGA FASA MENGGUNAKAN ARUS STARTING DENGAN MATLAB/SIMULINK
SIMULASI DAN DETEKSI GANGGUAN BELITAN STATOR MOTOR INDUKSI TIGA FASA MENGGUNAKAN ARUS STARTING DENGAN MATLAB/SIMULINK Jusni Sufrianti*, Amir Hamzah** *Teknik Elektro Universitas Riau **Jurusan Teknik Elektro
Lebih terperinciBAB 3 PERANCANGAN SISTEM
20 BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras Sistem ini hanya menggunakan beberapa perangkat keras yang umum digunakan, seperti mikrofon, speaker (alat pengeras suara), dan seperangkat komputer
Lebih terperinciVOL. 01 NO. 02 [JURNAL ILMIAH BINARY] ISSN :
PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PRODUKSI AIR MINUM MENGGUNAKAN ALGORITMA BACKPROPAGATION (STUDI KASUS : PDAM TIRTA BUKIT SULAP KOTA LUBUKLINGGAU) Robi Yanto STMIK Bina Nusantara
Lebih terperinciSINKRONISASI DAN PENGAMANAN MODUL GENERATOR LAB-TST BERBASIS PLC (HARDWARE) ABSTRAK
SINKRONISASI DAN PENGAMANAN MODUL GENERATOR LAB-TST BERBASIS PLC (HARDWARE) Tri Prasetya F. Ir. Yahya C A, MT. 2 Suhariningsih, S.ST MT. 3 Mahasiswa Jurusan Elektro Industri, Dosen Pembimbing 2 Dosen Pembimbing
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Forecasting Forecasting (peramalan) adalah seni dan ilmu untuk memperkirakan kejadian di masa yang akan datang. Hal ini dapat dilakukan dengan melibatkan data historis dan memproyeksikannya
Lebih terperinciKlasifikasi Pola Huruf Vokal dengan Menggunakan Jaringan Saraf Tiruan
JURNAL TEKNIK POMITS 1-7 1 Klasifikasi Pola Huruf Vokal dengan Menggunakan Jaringan Saraf Tiruan Dhita Azzahra Pancorowati, M. Arief Bustomi Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam,
Lebih terperinciWAVELET -JARINGAN SYARAF TIRUAN UNTUK PREDIKSI DATA TIME SERIES
J. Math. and Its Appl. ISSN: 1829-605X Vol. 4, No. 2, November 2007, 53 64 WAVELET -JARINGAN SYARAF TIRUAN UNTUK PREDIKSI DATA TIME SERIES Daryono Budi Utomo Jurusan Matematika FMIPA Institut Teknologi
Lebih terperinciANALISIS ALGORITMA INISIALISASI NGUYEN-WIDROW PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK
ANALISIS ALGORITMA INISIALISASI NGUYEN-WIDROW PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK Yudhi Andrian 1, M. Rhifky Wayahdi 2 1 Dosen Teknik Informatika,
Lebih terperinciBlind Steganalysis pada Citra Digital dengan Metode Jaringan Saraf Tiruan
Blind Steganalysis pada Citra Digital dengan Metode Jaringan Saraf Tiruan Cilvia Sianora Putri Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung Jl. Ganesha
Lebih terperinciANALISIS PENGARUH MISALIGNMENT TERHADAP VIBRASI DAN KINERJA MOTOR INDUKSI
POLITEKNOLOGI VOL. 10 NO. 3, SEPTEMBER 2011 ANALISIS PENGARUH MISALIGNMENT TERHADAP VIBRASI DAN KINERJA MOTOR INDUKSI ABSTRACT Andi Ulfiana Jurusan Teknik Mesin Politeknik Negeri Jakarta Kampus Baru -
Lebih terperinciKarakteristik Spesifikasi
Sinyal yang masuk difilter ke dalam sinyal frekuensi rendah (low-pass filter) dan sinyal frekuensi tinggi (high-pass filter) Lakukan downsampling pada kedua sinyal tersebut Low-pass frekuensi hasil downsampling
Lebih terperinci