III. METODOLOGI PENELITIAN
|
|
- Veronika Kartawijaya
- 7 tahun lalu
- Tontonan:
Transkripsi
1 III. METODOLOGI PENELITIAN 3.1 Waktu dan Lokasi Penelitian Penelitian ini dilakukan pada bulan Mei 2011 hingga Agustus 2011 yang berlokasi di kolam petani Desa Laladon, Kecamatan Ciomas, Kabupaten Bogor, Jawa Barat. 3.2 Alat dan Bahan Peralatan yang digunakan dalam penelitian ini, yaitu : 1. Kolam dengan alas plastik luas alas 200 cm x 200 cm dan tinggi 40 cm sebanyak 12 kolam. 2. Termometer air raksa berskala o C sebanyak 12 buah. 3. Thermohygrometer. 4. Anemometer. 5. Luxmeter. 6. Plastik polyethylene (PE) bening dan biru (0.08 mm). 7. Aerator (RS-390, output 1.5 L/min). 8. Program Backpropagation Neural network. Bahan yang digunakan dalam penelitian ini, yaitu air hujan yang ditampung di sekitar kolam penelitian sebagai media pembenihan. 3.3 Tahapan Penelitian Untuk mencapai tujuan penelitian, maka dibuat rancangan penelitian yang dilaksanakan dalam beberapa tahap dan bagian kegiatan, sebagaimana ditunjukkan dalam Gambar 3. 8
2 Mulai Studi pustaka dan pengamatan lapang pada kolam petani : 1. Teknik pemeliharaan benih ikan 2. Suhu air optimal untuk budidaya benih ikan Persiapan kolam percobaan Pengaturan ketinggian air Pemberian thermometer pada masing masing kolam Pemasangan plastik Pengamatan dan pengukuran lapang : 1. Suhu lingkungan 2. Kelembaban 3. Kecepatan angin 4. Intensitas cahaya Suhu air kolam 30 0 C Simulasi penurunan suhu air kolam : 1. Pergantian air 2. Sistem buka tutup plastik 3. Pemberian aerasi Suhu air kolam 25 0 C C Selesai Gambar 3. Rancangan penelitian 9
3 Adapun tahapan penelitian seperti pada Gambar 3. dijelaskan sebagai berikut : 1. Studi pustaka dan pengamatan lapang pada kolam petani Studi pustaka dilakukan untuk mengetahui teknik pengendalian suhu air pada pembenihan ikan dan model model pendugaan dengan artifial neural network. 2. Persiapan kolam percobaan Kolam percobaan untuk kegiatan penelitian ini disiapkan sebanyak 12 kolam seperti pada Gambar 4. dan pada setiap kolam dilakukan pemberian perlakuan yang berbeda-beda dan setiap perlakuan dilakukan dua kali pengulangan, antara lain : a. Kolam A1 yaitu dengan ketinggian 15 cm ditutup dengan plastik PE bening. b. Kolam A2 yaitu dengan ketinggian air 35 cm ditutup dengan plastik PE bening. c. Kolam B1 yaitu dengan ketinggian air 15 cm ditutup dengan plastik PE biru. d. Kolam B2 yaitu dengan ketinggian air 35 cm ditutup dengan plastik PE biru. e. Kolam C1 yaitu dengan ketinggian air 15 cm tanpa penutup (sebagai kontrol). f. Kolam C2 yaitu dengan ketinggian air 35 cm tanpa penutup (sebagai kontrol). Gambar 4. Kolam percobaan Pada setiap kolam seperti pada gambar 4. diberi thermometer dan Pengamatan dilakukan selama 11 hari setiap jam. 3. Pengamatan dan pengukuran lapang. Pengamatan dan pengukuran lapang dilakukan untuk mendapatkan kondisi lingkungan dan suhu air kolam. Adapun data-data yang diukur dalam kegiatan penelitian ini adalah : a. Suhu air kolam Suhu air kolam ( o C) diukur dengan termometer yang dimasukkan ke dalam air sehingga suhu air di dalam kolam dapat diketahui. b. Suhu udara lingkungan Suhu udara (oc) diukur dengan memasang termometer di lingkungan sekitar kolam. Suhu udara ini dipengaruhi oleh cuaca harian. c. Intensitas cahaya Pengukuran intensitas cahaya di lingkungan sekitar kolam dilakukan diatas kolam dengan menggunakan luxmeter. d. Kelembaban lingkungan Pengukuran kelembaban relatif udara di lingkungan sekitar kolam dilakukan dengan menggunakan thermohigrometer. e. Kecepatan angin Pengukuran kecepatan angin dilakukan dengan menggunakan alat anemometer. 10
4 4. Penyusunan model pendugaan suhu optimum air kolam dari hasil identifikasi dan pengukuran data di lapangan. Pada program backpropagation Neural network, jumlah noda yang digunakan untuk input layer adalah 6 unit, dengan data masukan yaitu waktu (pukul) (X 1 ), suhu udara lingkungan (X 2 ), kelembaban (X 3 ), kecepatan angin (X 4 ), intensitas cahaya (X5), dan suhu kolam pada saat t (X 6 ). Jumlah noda untuk output layer adalah 1 noda, yaitu suhu kolam pembenihan saat t+1 (Y), sedangkan jumlah noda yang digunakan pada hidden layer adalah 12 noda. Penulisan data-data parameter output dan input dilakukan pada text editor Microsoft Notepad dengan format penulisan yang disesuaikan dengan program JST tersebut. Struktur model artificial neural network dapat dilihat pada Gambar 5. Input Layer Hidden Layer Output Layer H 0 H 1 X 0 H 2 X 1 H 3 H 4 X 2 H 5 Y X 3 H 6 H 7 X 4 H 8 X 5 H 9 H 10 X 6 H 11 H 12 11
5 Gambar 5. Model ANN yang digunakan untuk pendugaan suhu Keterangan gambar : X i : variable input noda i pada lapisan input, i = 0,1,2,,I H j : output noda j pada lapisan hidden, j = 0,1,2,,J Y : output pada lapisan output W ij : bobot yang menghubungkan pada noda I pada lapisan input dengan noda j pada lapisan hidden : bobot yang menghubungkan noda j pada lapisan hidden dengan noda k pada lapisan output V jk Di dalam ANN, data-data yang merupakan hasil pengamatan tersebut dibagi menjadi 2 tipe data, yaitu data training ANN dan data validasi ANN. Dalam penelitian ini terdapat 6 buah ANN, yaitu ANN dengan plastik bening ketinggian air 15 cm, ANN dengan plastik bening ketinggian air 35 cm, ANN dengan plastik biru ketinggian air 15 cm, ANN dengan plastik biru ketinggian air 35 cm, ANN dengan tanpa plastik ketinggian air 15 cm, dan ANN dengan tanpa plastik ketinggian air 35 cm. Program simulasi dengan artificial neural network didesain dengan menggunakan bahasa pemrograman Visual Basic dan metode model artificial neural network yang digunakan adalah algoritma backpropagation. 5. Proses pembelajaran (training) algoritma dengan metode backpropagation. Proses pelatihan (training) pada program backpropagation neural network diawali dengan memasukkan data-data input dan output yang telah disusun sesuai dengan format program sehingga program dapat mempelajari contoh input dan output yang diberikan tersebut. Dari proses training ini diperoleh nilai bobot (weight) yang akan menjadi masukan (input) untuk proses validasi. 6. Validasi model pendugaan suhu air dengan cara membandingkan hasil simulasi dan nilai aktual. Validasi dilakukan sebagai proses pengujian kinerja jaringan terhadap contoh yang belum diberikan selama proses training. Apabila proses training telah selesai dilakukan dengan mendapatkan nilai RMSE yang cukup rendah maka selanjutnya dilakukan proses validasi atau pengujian kinerja JST dengan memasukkan data-data waktu (pukul) (X 1 ), suhu udara lingkungan (X 2 ), kelembaban (X 3 ), kecepatan angin (X 4 ), intensitas cahaya (X5), dan suhu kolam pada saat t (X 6 ) yang baru untuk menduga suhu air kolam berdasarkan data-data bobot yang dihasilkan selama proses training. Datadata input yang digunakan dalam proses validasi JST ini adalah data-data yang berbeda dengan data data yang digunakan dalam proses training JST. 12
IV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN 4.1 Kondisi Lingkungan Mengetahui kondisi lingkungan tempat percobaan sangat penting diketahui karena diharapkan faktor-faktor luar yang berpengaruh terhadap percobaan dapat diketahui.
Lebih terperinciIII. BAHAN DAN METODE
39 III. BAHAN DAN METODE 3.1. Waktu dan Tempat Penelitian dilaksanakan pada bulan Agustus sampai Desember tahun 2010 di rumah tanaman (greenhouse) Balai Penelitian Agroklimatologi dan Hidrologi (Balitklimat),
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 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Dalam perkembangan teknologi yang semakin pesat ini banyak sekali perubahan perkembangan yang telah terjadi untuk membantu kehidupan masyarakat. Dalam perkembangan
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 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Hujan merupakan salah satu bentuk presipitasi uap air yang berasal dari awan yang terdapat diatmosfer, titik-titik air di udara atau awan yang sudah terlalu
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Parameter Gauss Untuk dapat melakukan pengolahan data menggunakan ANN, maka terlebih dahulu harus diketahui nilai set data input-output yang akan digunakan. Set data inputnya yaitu
Lebih terperinciPrediksi Curah Hujan Di Kota Pontianak Menggunakan Parameter Cuaca Sebagai Prediktor Pada Skala Bulanan, Dasarian Dan Harian Asri Rachmawati 1)*
Prediksi Curah Hujan Di Kota Pontianak Menggunakan Parameter Cuaca Sebagai Prediktor Pada Skala Bulanan, Dasarian Dan Harian Asri Rachmawati 1)* 1)Stasiun Meteorologi Supadio Pontianak Badan Meteorologi
Lebih terperinciBAB 1 PENDAHULUAN. saham harus memperhatikan dengan baik keadaan ekonomi yang sedang berlangsung.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Cepatnya perubahan fluktuasi harga index saham membuat para pemegang saham harus memperhatikan dengan baik keadaan ekonomi yang sedang berlangsung. Saham yang mempunyai
Lebih terperinciII. TINJAUAN PUSTAKA. 2.1 Pembenihan Ikan. 2.2 Pengaruh Suhu Terhadap Ikan
II. TINJAUAN PUSTAKA 2.1 Pembenihan Ikan Pemeliharaan larva atau benih merupakan kegiatan yang paling menentukan keberhasilan suatu pembenihan ikan. Hal ini disebabkan sifat larva yang merupakan stadia
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 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 terperinciANALISIS SUDUT DATANG RADIASI MATAHARI PADA ATAP GELOMBANG DAN PENDUGAAN TEMPERATUR UDARA DALAM GREENHOUSE
ANALISIS SUDUT DATANG RADIASI MATAHARI PADA ATAP GELOMBANG DAN PENDUGAAN TEMPERATUR UDARA DALAM GREENHOUSE MENGGUNAKAN PRINSIP PINDAH PANAS DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh : MURNIWATY F 14103131
Lebih terperinci1 PENDAHULUAN 1.1 Latar Belakang
1 PENDAHULUAN 1.1 Latar Belakang Curah hujan merupakan faktor yang berpengaruh langsung terhadap perubahan cuaca yang semakin memburuk. Curah hujan merupakan total air hujan yang terjatuh pada permukaan
Lebih terperinciBAB IV PERANCANGAN & IMPLEMENTASI SISTEM
17 BAB IV PERANCANGAN & IMPLEMENTASI SISTEM 4.1 Desain. yang digunakan adalah jaringan recurrent tipe Elman dengan 2 lapisan tersembunyi. Masukan terdiri dari data : wind, SOI, SST dan OLR dan target adalah
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 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 terperinciPemodelan Jaringan Syaraf Tiruan Untuk Memprediksi Awal Musim Hujan Berdasarkan Suhu Permukaan Laut
Tersedia secara online di: http://journal.ipb.ac.id/index.php/jika Volume 1 Nomor 2 Halaman 52-61 ISSN: 2089-6026 Pemodelan Jaringan Syaraf Tiruan Untuk Memprediksi Awal Musim Hujan Berdasarkan Suhu Permukaan
Lebih terperinci1 Pendahuluan. 1.1 Latar Belakang Masalah
1 Pendahuluan 1.1 Latar Belakang Masalah Kebutuhan masyarakat akan perkiraan cuaca terutama curah hujan ini menjadi sangat penting untuk merencanakan segala aktifivitas mereka. Curah hujan juga memiliki
Lebih terperinciBAB III METODOLOGI PENELITIAN
19 BAB III METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Kerangka pemikiran untuk penelitian ini seperti pada Gambar 9. Penelitian dibagi dalam empat tahapan yaitu persiapan penelitian, proses pengolahan
Lebih terperinciPemodelan dan Pemetaan Potensi Energi Angin Menggunakan Jaringan Syaraf Tiruan (JST) di Bendungan Karangkates Kabupaten Malang
Pemodelan dan Pemetaan Potensi Energi Angin Menggunakan Jaringan Syaraf Tiruan (JST) di Bendungan Karangkates Kabupaten Malang O L E H : A H M A D Z A K I Z A K A R I A ( 2 4 0 6 1 0 0 0 5 7 ) Pembimbing
Lebih terperinci1. Pendahuluan. 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Pasar valuta asing telah mengalami perkembangan yang tak terduga selama beberapa dekade terakhir, dunia bergerak ke konsep "desa global" dan telah menjadi salah satu pasar
Lebih terperinciANALISIS SUDUT DATANG RADIASI MATAHARI DAN PENGEMBANGAN MODEL PINDAH PANAS PADA GREENHOUSE MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
ANALISIS SUDUT DATANG RADIASI MATAHARI DAN PENGEMBANGAN MODEL PINDAH PANAS PADA GREENHOUSE MENGGUNAKAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh: TITIN NURYAWATI F14102048 2006 DEPARTEMEN TEKNIK PERTANIAN
Lebih terperinciPENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT
PENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT Havid Syafwan Program Studi Manajemen Informatika, Amik Royal, Kisaran E-mail: havid_syafwan@yahoo.com ABSTRAK:
Lebih terperinciBAB 1 PENDAHULUAN. 1 Universitas Kristen Maranatha. Gambar 1.1 : Ilustrasi jaringan syaraf manusia yang diadaptasi untuk ANN (Kriesel, 2011)
BAB 1 PENDAHULUAN 1.1 Latar Belakang Rentannya kesalahan yang dapat terjadi oleh pekerjaan yang dilakukan oleh manusia dalam menganalisa, atau ketika mencoba membangun relasi antar fitur yang berjumlah
Lebih terperinciMETODE PENELITIAN. Tempat dan Waktu Penelitian
METODE PENELITIAN Tempat dan Waktu Penelitian Penelitian ini dilaksanakan pada bulan Maret Juni 2010, di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian (TPPHP), Departemen Teknik Pertanian,
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Mulai Studi Pustaka / Riset Jurnal Identifikasi Masalah/Perumusan Tujuan Desain algoritma, aplikasi dan Percobaan Pembuatan Program Aplikasi Prototipe / Percobaan Tdk Sesuai
Lebih terperinciEVALUASI MODEL JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK PREDIKSI IKLIM EKSTRIM DENGAN KORELASI CURAH HUJAN DAN TINGGI MUKA LAUT DI SEMARANG
Youngster Physics Journal ISSN : 2302-7371 Vol. 4, No. 1, Januari 2015, Hal 67-72 EVALUASI MODEL JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK PREDIKSI IKLIM EKSTRIM DENGAN KORELASI CURAH HUJAN DAN
Lebih terperinciPREDIKSI PRODUKSI KELAPA SAWIT BERDASARKAN KUALITAS LAHAN MENGGUNAKAN MODEL ARTIFICIAL NEURAL NETWORK (ANN)
PREDIKSI PRODUKSI KELAPA SAWIT BERDASARKAN KUALITAS LAHAN MENGGUNAKAN MODEL ARTIFICIAL NEURAL NETWORK (ANN) (PREDICTION OF OIL PALM PRODUCTION BASE ON LAND QUALITY USING ARTIFICIAL NEURAL NETWORK) Oleh
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Data Yang Digunakan Dalam melakukan penelitian ini, penulis membutuhkan data input dalam proses jaringan saraf tiruan backpropagation. Data tersebut akan digunakan sebagai
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 terperinciHASIL DAN PEMBAHASAN. Kondisi Lingkungan Mikro Lokasi Penelitian
HASIL DAN PEMBAHASAN Kondisi Lingkungan Mikro Lokasi Penelitian Berdasarkan pengambilan data selama penelitian yang berlangsung mulai pukul 06.00 sampai pukul 16.00 WIB, data yang diperoleh menunjukkan
Lebih terperinciJurnal Informatika Mulawarman Vol 5 No. 1 Februari
Jurnal Informatika Mulawarman Vol 5 No. 1 Februari 2010 50 Penerapan Jaringan Syaraf Tiruan Untuk Memprediksi Jumlah Pengangguran di Provinsi Kalimantan Timur Dengan Menggunakan Algoritma Pembelajaran
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON PADA APLIKASI PRAKIRAAN CUACA
Aplikasi Jaringan Syaraf Tiruan Multilayer Perceptron (Joni Riadi dan Nurmahaludin) APLIKASI JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON PADA APLIKASI PRAKIRAAN CUACA Joni Riadi (1) dan Nurmahaludin
Lebih terperinciDAFTAR ISI. KATA PENGANTAR... v. DAFTAR ISI... vi. DAFTAR GAMBAR... ix. DAFTAR TABEL... xi. DAFTAR LAMPIRAN... xii. DAFTAR NOTASI...
DAFTAR ISI KATA PENGANTAR... v DAFTAR ISI... vi DAFTAR GAMBAR... ix DAFTAR TABEL... xi DAFTAR LAMPIRAN... xii DAFTAR NOTASI... xiii INTISARI... xv ABSTRACT... xvi BAB 1 PENDAHULUAN... 1 1.1 Latar Belakang...
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Jaringan Syaraf Tiruan (artificial neural network), atau disingkat JST menurut Hermawan (2006, hlm.37) adalah sistem komputasi dimana arsitektur dan operasi
Lebih terperinciJurnal Fisika Unand Vol. 2, No. 4, Oktober 2013 ISSN
PREDIKSI CURAH HUJAN BULANAN MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN BEBERAPA FUNGSI PELATIHAN BACKPROPAGATION (Studi Kasus: Stasiun Meteorologi Tabing Padang, Tahun 2001-2012) Cici Oktaviani, Afdal
Lebih terperinciMETODE PENELITIAN. Badan Pusat Statistik Kabupaten Bengkalis
III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian dilaksanakan mulai bulan Agustus 2011 sampai Januari 2012 dengan memilih Kabupaten Bengkalis, Provinsi Riau sebagai studi kasus penelitian.
Lebih terperinciJARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI CURAH HUJAN SUMATERA UTARA DENGAN METODE BACK PROPAGATION (STUDI KASUS : BMKG MEDAN)
JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI CURAH HUJAN SUMATERA UTARA DENGAN METODE BACK PROPAGATION (STUDI KASUS : BMKG MEDAN) Marihot TP. Manalu Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma
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 terperinciANALISIS PENAMBAHAN MOMENTUM PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK
Seminar Nasional Informatika 0 ANALISIS PENAMBAHAN MOMENTUM PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK Yudhi Andrian, Purwa Hasan Putra Dosen Teknik Informatika,
Lebih terperinciANALISIS SUDUT DATANG RADIASI MATAHARI DAN PENGEMBANGAN MODEL PINDAH PANAS PADA GREENHOUSE MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
ANALISIS SUDUT DATANG RADIASI MATAHARI DAN PENGEMBANGAN MODEL PINDAH PANAS PADA GREENHOUSE MENGGUNAKAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh: TITIN NURYAWATI F14102048 2006 DEPARTEMEN TEKNIK PERTANIAN
Lebih terperinciBAB I PENDAHULUAN. kecerdasan buatan, kecerdasan buatan merupakan salah satu bagian ilmu
BAB I PENDAHULUAN A Latar Belakang Masalah Jaringan Syaraf Tiruan merupakan bagian dari sistem kecerdasan buatan, kecerdasan buatan merupakan salah satu bagian ilmu pengetahuan yang digunakan untuk menyelesaikan
Lebih terperinciPENGENALAN AKSARA JAWAMENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)
PENGENALAN AKSARA JAWAMENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ) Alfa Ceria Agustina (1) Sri Suwarno (2) Umi Proboyekti (3) sswn@ukdw.ac.id othie@ukdw.ac.id Abstraksi Saat ini jaringan saraf tiruan
Lebih terperinciABSTRAK. Kata Kunci : Curah Hujan, Levenberg Marquardt, Backpropagation. ABSTRACT
ABSTRAK Dufan, Ariel. 2016. Prediksi Curah Hujan Dengan Menggunakan Algoritma Levenberg- Marquardt Dan Backpropagation (Studi Kasus : BMKG Kota Tanjungpinang), Skripsi. Tanjungpinang: Jurusan Teknik Informatika,
Lebih terperinciANALISIS PERBANDINGAN METODE BACKPROPAGATION DAN RADIAL BASIS FUNCTION UNTUK MEM PREDIKSI CURAH HUJAN DENGAN JARINGAN SYARAF TIRUAN
ANALISIS PERBANDINGAN METODE BACKPROPAGATION DAN RADIAL BASIS FUNCTION UNTUK MEM PREDIKSI CURAH HUJAN DENGAN JARINGAN SYARAF TIRUAN Abstrak Vinsensius Rinda Resi - NIM : A11.2009.04645 Program Studi Teknik
Lebih terperinciBAB III PERANCANGAN DAN METODOLOGI
BAB III PERANCANGAN DAN METODOLOGI Setelah bab sebelumnya membahas tentang teori teori yang mendasari perancangan dalam Tugas Akhir ini, maka pada bab ini akan dijelaskan mengenai bentuk perancangan Jaringan
Lebih terperinciBAHAN DAN METODE. Tempat dan Waktu. Bahan dan Alat
BAHAN DAN METODE Tempat dan Waktu Penelitian dilaksanakan dengan menggunakan penelusuran studi pustaka dan percobaan. Penelusuran studi pustaka dimulai bulan April 2010 sampai dengan Juni 2011. Percobaan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perangkat keras komputer berkembang dengan pesat setiap tahunnya selalu sudah ditemukan teknologi yang lebih baru. Meskipun demikian masih banyak hal yang belum dapat
Lebih terperinciPREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN METODE NEURAL NETWORK DAN PARTICLE SWARM OPTIMIZATION
PREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN METODE NEURAL NETWORK DAN PARTICLE SWARM OPTIMIZATION Dewi Kusumawati 1), Wing Wahyu Winarno 2), M. Rudyanto Arief 3) 1), 2), 3) Magister Teknik Informatika STMIK
Lebih terperinci3 PENENTUAN SUHU KRITIS BERDASARKAN RESPON FISIOLOGIS SAPI DARA PERANAKAN FRIES HOLLAND MELALUI SIMULASI ARTIFICIAL NEURAL NETWORK PADA BERBEDA DAERAH
24 Keterangan : aj : nilai aktivasi dari unit j. Wj,i : bobot dari unit j ke unit i Ini : penjumlahan bobot dan masukan ke unit i g : fungsi aktivasi ai : nilai aktivasi dari unit 3 PENENTUAN SUHU KRITIS
Lebih terperinciANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION
ANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION Eka Irawan1, M. Zarlis2, Erna Budhiarti Nababan3 Magister Teknik Informatika, Universitas Sumatera
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK [1] Meishytah Eka Aprilianti, [2] Dedi Triyanto, [3] Ilhamsyah [1] [2] [3] Jurusan Sistem Komputer, Fakultas
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 terperinciANALISIS SUDUT DATANG RADIASI MATAHARI PADA ATAP GELOMBANG DAN PENDUGAAN TEMPERATUR UDARA DALAM GREENHOUSE
ANALISIS SUDUT DATANG RADIASI MATAHARI PADA ATAP GELOMBANG DAN PENDUGAAN TEMPERATUR UDARA DALAM GREENHOUSE MENGGUNAKAN PRINSIP PINDAH PANAS DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh : MURNIWATY F 14103131
Lebih terperinciPERANCANGAN APLIKASI MENGIDENTIFIKASI PENYAKIT MATA DENGAN MENGGUNAKAN METODE BACKPROPAGATION
Jurnal Riset Komputer (JURIKOM), Volume : 3, Nomor:, Februari 206 ISSN : 2407-389X PERANCANGAN APLIKASI MENGIDENTIFIKASI PENYAKIT MATA DENGAN MENGGUNAKAN METODE BACKPROPAGATION Fahmi Hasobaran Dalimunthe
Lebih terperinciBAB V KESIMPULAN DAN SARAN
BAB V KESIMPULAN DAN SARAN V.1 Kesimpulan Setelah dilakukan perancangan sistem evaluasi mutu berbasis komputer (logika fuzzy, pengolahan citra dan JST), maka dapat disimpulkan bahwa : 1. Program logika
Lebih terperinciPRISMA FISIKA, Vol. I, No. 1 (2013), Hal ISSN :
Prediksi Tinggi Signifikan Gelombang Laut Di Sebagian Wilayah Perairan Indonesia Menggunakan Jaringan Syaraf Tiruan Metode Propagasi Balik Abraham Isahk Bekalani, Yudha Arman, Muhammad Ishak Jumarang Program
Lebih terperinciEstimasi Suhu Udara Bulanan Kota Pontianak Berdasarkan Metode Jaringan Syaraf Tiruan
Estimasi Suhu Udara Bulanan Kota Pontianak Berdasarkan Metode Jaringan Syaraf Tiruan Andi Ihwan 1), Yudha Arman 1) dan Iis Solehati 1) 1) Prodi Fisika FMIPA UNTAN Abstrak Fluktuasi suhu udara berdasarkan
Lebih terperinciSISTEM PAKAR DIAGNOSA PENYAKIT DEMAM BERDARAH DENGUE BERBASIS ANDROID MENGGUNAKAN JARINGAN SARAF TIRUAN
SISTEM PAKAR DIAGNOSA PENYAKIT DEMAM BERDARAH DENGUE BERBASIS ANDROID MENGGUNAKAN JARINGAN SARAF TIRUAN Ahyuna 1), Komang Aryasa 2) 1), 2) Jurusan Teknik Informatika, STMIK Dipanegara Makassar 3) Jl. Perintis
Lebih terperinciPERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE LOMBOK MENGGUNAKAN JARINGAN SYARAF TIRUAN
PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE LOMBOK MENGGUNAKAN JARINGAN SYARAF TIRUAN Titik Misriati AMIK BSI Jakarta Jl. R.S Fatmawati No. 24 Pondok Labu, Jakarta Selatan titik.tmi@bsi.ac.id ABSTRACT
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Teknologi dan perkembangan ilmu pengetahuan dewasa ini sudah mengalami perkembangan pesat. Seiring berjalannya waktu, perkembangan ini menyebabkan timbulnya kebutuhan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakang Artificial Neural Network atau jaringan syaraf tiruan merupakan bidang yang sangat berkembang saat ini. Pemanfaatan teknologi mesin dan computer yang tidak terbatas
Lebih terperinciJaringan Syaraf Tiruan Menggunakan Algoritma Backpropagation Untuk Memprediksi Jumlah Pengangguran (Studi Kasus DiKota Padang)
Jaringan Syaraf Tiruan Menggunakan Algoritma Backpropagation Untuk Memprediksi Jumlah Pengangguran (Studi Kasus DiKota Padang) Hadi Syahputra Universitas Putra Indonesia YPTK Padang E-mail: hadisyahputra@upiyptk.ac.id
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1 Kerangka berpikir Perubahan nilai tukar rupiah terhadap mata uang asing tidak dapat dihindari. Untuk mengatasi perubahan yang tidak pasti ini diperlukan suatu prediksi.
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Tahapan yang dilakukan dalam penelitian ini disajikan pada Gambar 14, terdiri dari tahap identifikasi masalah, pengumpulan dan praproses data, pemodelan
Lebih terperinciBACK PROPAGATION NETWORK (BPN)
BACK PROPAGATION NETWORK (BPN) Arsitektur Jaringan Salah satu metode pelatihan terawasi pada jaringan syaraf adalah metode Backpropagation, di mana ciri dari metode ini adalah meminimalkan error pada output
Lebih terperinciBAB 4. HASIL DAN PEMBAHASAN
BAB 4. HASIL DAN PEMBAHASAN 4.1 Hardware Sistem Kendali Pada ISD Pada penelitian ini dibuat sistem pengendalian berbasis PC seperti skema yang terdapat pada Gambar 7 di atas. Pada sistem pengendalian ini
Lebih terperinciUJM 3 (1) (2014) UNNES Journal of Mathematics.
UJM 3 (1) (2014) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm APLIKASI JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM PERAMALAN BEBAN PUNCAK DISTRIBUSI LISTRIK DI WILAYAH PEMALANG
Lebih terperinciBAB III BAHAN DAN METODE
BAB III BAHAN DAN METODE 3.1 Tempat dan Waktu Penelitian dilaksanakan pada Bulan April 2013 hingga Mei 2013 bertempat di laboratorium budidaya perikanan Ciparanje Fakultas Perikanan dan Ilmu Kelautan UNPAD.
Lebih terperinciBAB 2 KONSEP DASAR PENGENAL OBJEK
BAB 2 KONSEP DASAR PENGENAL OBJEK 2.1 KONSEP DASAR Pada penelitian ini, penulis menggunakan beberapa teori yang dijadikan acuan untuk menyelesaikan penelitian. Berikut ini teori yang akan digunakan penulis
Lebih terperinciJurnal Elektro ELTEK Vol. 2, No. 1, April 2011 ISSN:
Perbandingan Penggunaan Metode Radial Basis Function Network () Dari Metode Fuzzy Neural Netwotk () Dalam Memperkirakan Beban Jangka Pendek di GI. Gondang Wetan Pasuruan Rory Asrial, Almizan Abdullah,
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Fakultas Ilmu Komputer Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Fakultas Ilmu Komputer Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 Peramalan Harga Indeks Saham Hang Seng dengan Menggunakan Jaringan
Lebih terperinciPENDUGAAN TINGKAT KEAMANAN JAGUNG DENGAN MENGGUNAKAN PENGOLAHAN CITRA DIGITAL DAN JARINGAN SYARAF TIRUAN
PENDUGAAN TINGKAT KEAMANAN JAGUNG DENGAN MENGGUNAKAN PENGOLAHAN CITRA DIGITAL DAN JARINGAN SYARAF TIRUAN Agus Supriatna Somantri, Miskiyah & Wisnu Broto Abstract Food security is the main problem in food
Lebih terperinciESTIMASI PRODUKTIVITAS PEKERJA KONSTRUKSI DENGAN PROBABILISTIC NEURAL NETWORK
ESTIMASI PRODUKTIVITAS PEKERJA KONSTRUKSI DENGAN PROBABILISTIC NEURAL NETWORK Lila Ayu Ratna Winanda Dosen Teknik Sipil FTSP ITN Malang ABSTRAKSI Pekerjaan konstruksi yang tengah menggeliat bangkit tidak
Lebih terperinciANALISA NILAI UJIAN MASUK STT WASTUKANCANA BERDASARKAN NILAI UJIAN NASIONAL MENGGUNAKAN METODE BACKPROPAGATION
ANALISA NILAI UJIAN MASUK STT WASTUKANCANA BERDASARKAN NILAI UJIAN NASIONAL MENGGUNAKAN METODE BACKPROPAGATION Program Studi Teknik Informatika STT Wastukancana Jl. Raya Cikopak No.53, Sadang, Purwakarta
Lebih terperinciJARINGAN SARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) ERWIEN TJIPTA WIJAYA, ST, M.KOM
JARINGAN SARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) ERWIEN TJIPTA WIJAYA, ST, M.KOM INTRODUCTION Jaringan Saraf Tiruan atau JST adalah merupakan salah satu representasi tiruan dari otak manusia yang selalu
Lebih terperinciPOSITRON, Vol. IV, No. 2 (2014), Hal ISSN :
Modifikasi Estimasi Curah Hujan Satelit TRMM Dengan Metode Jaringan Syaraf Tiruan Propagasi Balik Studi Kasus Stasiun Klimatologi Siantan Fanni Aditya 1)2)*, Joko Sampurno 2), Andi Ihwan 2) 1)BMKG Stasiun
Lebih terperinciKenyo Puspito Rini 1), Ir. Usman Effendi, MS. 2), Dhita Morita Ikasari, STP, MP. 2)
PERAMALAN PERMINTAAN MINUMAN KESEHATAN INSTAN JAHE MENGGUNAKAN JARINGAN SYARAF TIRUAN dan METODE TIME SERIES (Studi Kasus di Agroindustri Minuman Kesehatan Instan DIA Malang) Kenyo Puspito Rini 1), Ir.
Lebih terperinciPENDUGAAN MUTU FISIK BIJI JAGUNG DENGAN MENGGUNAKAN CITRA DIGITAL DAN JARINGAN SYARAF TIRUAN
PENDUGAAN MUTU FISIK BIJI JAGUNG DENGAN MENGGUNAKAN CITRA DIGITAL DAN JARINGAN SYARAF TIRUAN [THE FATHOMING PHYSICAL QUALITY OF CORN KERNEL BY USING IMAGE PROCESSING AND ARTIFICIAL NEURAL NETWORK] 1) Santosa
Lebih terperinciOPTIMASI PROSES PENGGILINGAN GABAH DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN DAN ALGORITMA GENETIKA 1
OPTIMASI PROSES PENGGILINGAN GABAH DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN DAN ALGORITMA GENETIKA 1 Suroso 2 dan Gunawan Kiswoyo 3 ABSTRAK Keberhasilan proses penggilingan gabah dapat dilihat nilai efisiensi
Lebih terperinciBAHAN DAN METODE PENELITIAN
18 BAHAN DAN METODE PENELITIAN Model pertumbuhan dan produksi kelapa sawit dengan berbagai taraf penunasan dibangun melalui dua kegiatan yaitu (1) percobaan lapangan, dan (2) penyusunan model. Percobaan
Lebih terperinciPerancangan Sistem Prediktor Daya Pada Panel Photovoltaic di Buoy Weather Station
JURNAL TEKNIK POMITS Vol. 2, No. 2, (2013) ISSN: 2337-3539 (2301-9271 Print) A-451 Perancangan Sistem Prediktor Daya Pada Panel Photovoltaic di Buoy Weather Station Aini Prisilia Susanti dan Aulia Siti
Lebih terperinciSISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Barcode Rcognition System Using Backpropagation Neural Networks M. Kayadoe, Francis Yuni Rumlawang, Yopi Andry Lesnussa * Jurusan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian ini telah dilaksanakan di Desa Purwodadi Kecamatan Sidayu Kabupaten Gresik RT 01 RW 01 selama 28 hari pada bulan Desember 2016 Januari 2017
Lebih terperinciSATIN Sains dan Teknologi Informasi
SATIN - Sains dan Teknologi Informasi, Vol. 2, No., Juni 206 SATIN Sains dan Teknologi Informasi journal homepage : http://jurnal.stmik-amik-riau.ac.id Penerapan Jaringan Syaraf Tiruan Untuk Estimasi Needs
Lebih terperinciPEMODELAN DAN SISTEM INFORMASI PREDIKSI KAPASITAS PEMBANGKIT LISTRIK MENGGUNAKAN NEURAL NETWORK (SEKTOR RUMAH TANGGA)
PEMODELAN DAN SISTEM INFORMASI PREDIKSI KAPASITAS PEMBANGKIT LISTRIK MENGGUNAKAN NEURAL NETWORK (SEKTOR RUMAH TANGGA) Salmawaty Tansa 1, Bambang Panji Asmara 2 Fakultas Teknik, Jurusan Teknik Elektro,
Lebih terperinciPengemasan benih udang vaname (Litopenaeus vannamei) pada sarana angkutan darat
SNI 7585:2010 Standar Nasional Indonesia Pengemasan benih udang vaname (Litopenaeus vannamei) pada sarana angkutan darat ICS 65.150 Badan Standardisasi Nasional SNI 7585:2010 Daftar isi Daftar isi...i
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. fold Cross Validation, metode Convolutional neural network dari deep learning
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Prinsip Kerja Program P rinsip kerja program yaitu dengan melakukan pra pengolahan citra terhadap foto fisik dari permukaan buah manggis agar ukuran seluruh data
Lebih terperinciPREDIKSI KUALITAS AIR BERSIH PDAM KOTA PALU MENGGUNAKAN METODE BACKPROPAGATION
JIMT Vol. 4 No. Juni 207 (Hal 47-55) ISSN : 2450 766X PREDIKSI KUALITAS AIR BERSIH PDAM KOTA PALU MENGGUNAKAN METODE BACKPROPAGATION J.R. Mustakim, R. Ratianingsih 2 dan D. Lusiyanti 3,2,3 Program Studi
Lebih terperinciISSN : e-proceeding of Engineering : Vol.4, No.3 Desember 2017 Page 3130
ISSN : 355-9365 e-proceeding of Engineering : Vol.4,.3 Desember 07 Page 330 PERANCANGAN DAN IMPLEMENTASI SISTEM PENCAHAYAAN RUANGAN BERBASIS JARINGAN SYARAF TIRUAN DESIGN AND IMPLEMENTATION OF INDOOR LIGHTING
Lebih terperinciPerbandingan Akurasi Backpropagation Neural Network dan ANFIS Untuk Memprediksi Cuaca
NATURALA Journal of Scientific Modeling & Computation, Volume 1 No.1 2013 7 ISSN 23030135 Perbandingan Akurasi Backpropagation Neural Network dan ANFIS Untuk Memprediksi Cuaca Candra Dewi 1, M. Muslikh
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN A. TEMPAT DAN WAKTU Kegiatan penelitian dilakukan di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian (TPPHP), Departemen Teknik Pertanian, Fakultas Teknologi Pertanian,
Lebih terperinciBAB III METODELOGI PENELITIAN. media cacing dengan metode adaptive neuro fuzzy inference system (ANFIS)
BAB III METODELOGI PENELITIAN 3.1 Studi Literatur Untuk memehami cara rancang bangun pengontrol suhu dan kelembaban media cacing dengan metode adaptive neuro fuzzy inference system (ANFIS) dibutuhkan studi
Lebih terperinciIII. METODE PENELITIAN. Penelitian dilaksanakan mulai tanggal 10 Mei 30 Juni 2013 selama 50
III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian dilaksanakan mulai tanggal 10 Mei 30 Juni 2013 selama 50 hari di Balai Benih Ikan (BBI) Natar, Kabupaten Lampung Selatan. Pembuatan pakan
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 terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN 4.1 Karakteristik Spektra NIR Buah Mangga Varietas Gedong Selama Penyimpanan Pengukuran spektra menggunakan perangkat NIRFlex Fiber Optic Solids N-500 menghasilkan data pengukuran
Lebih terperinciPengemasan benih udang vaname (Litopenaeus vannamei) pada sarana angkutan udara
Standar Nasional Indonesia Pengemasan benih udang vaname (Litopenaeus vannamei) pada sarana angkutan udara ICS 65.150 Badan Standardisasi Nasional Daftar isi Daftar isi... i Prakata... ii 1 Ruang lingkup...
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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Gambar 3.1 menggambarkan desain penelitian peramalan volume penumpang kereta api di pulau Jawa-Sumatera dengan metode Jaringan Syaraf Tiruan Backpropagation.
Lebih terperinci