U N I V E R S I T A S G U N A D A R M A
|
|
- Hartanti Johan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 U N I V E R S I T A S G U N A D A R M A FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI PENGETAHUAN DASAR AKORD BERBASIS ANN (ARTIFICIAL NEURAL NETWORK) DISUSUN OLEH NAMA : Achmad Sapari NPM : JURUSAN : Sistem Komputer PROGRAM STUDI : Sistem Komputer PEMBIMBING : 1.Irwan Arifin., SSi.,MMSI 2.Nurul Huda., SKom.,MT Diajukan untuk melengkapi sebagian syarat Dalam mencapai gelar Sarjana Strata Satu ( S1 ) Jakarta 2006
2 ABSTRAKSI Achmad Sapari PENGETAHUAN DASAR AKORD BERBASIS ANN Skripsi, Fakultas Ilmu Komputer, 2006 Kata kunci : Akord, Jaringan Syaraf Tiruan, trainlm, trainoss ( xi Lampiran ) Pengetahuan Akord Berbasis ANN merupakan sebuah pengembangan suatu sistem yang dapat digunakan untuk mengidentifikasi akord berdasarkan berdasarkan kombinasi-kombinasi notasi dalam musik. Proses pembelajaran tentang akord dan notasi didalam komputer menggunakan aplikasi toolbox pada Matlab, yaitu Neural Network Toolbox. Pengetahuan dasar yang digunakan pada dalam penelitian ini menggunakan model Backpropagation dengan model ANN yang digunakan adalah trainlm dan trainoss. Pengetahuan Dasar Akord Berbasis ANN terdiri dari beberapa proses, yaitu proses pengumpulan data mengenai akord, kemudian dilakukan proses pembacaan dan dinumerisasi pengujian untuk menguji tingkat keberhasilan dalam jaringan syaraf tiruan dilakukan dalam bentuk pelatihan. Hasil pelatihan akord dan notasi ke dalam jaringan syaraf tiruan mempunyai tingkat keberhasilan 100% dalam mengidentifikasi akord berdasarkan kombinasi input (notasi) yang terjadi. Daftar Pustaka ( ) PENDAHULUAN Multimedia merupakan kombinasi berbagai format media didalam komunikasi informasi. Multimedia memungkinkan orang-orang untuk berkomunikasi menggunakan media terintegrasi seperti audio, video, teks, grafik, fax, dan telepon. Pada zaman sekarang multimedia terus berkembang seiring dengan kemajuan teknologi informasi. Keduanya akan saling mendukung dan saling membutuhkan.
3 Otak manusia memiliki struktur yang sangat kompleks dan memiliki kemampuan yang luar biasa. Salah satu kemampuan otak manusia yaitu mampu mengenali suara dengan cara mendengarkan dan mengingatnya walaupun suara yang didengarnya tidak begitu jelas dari suara yang sebenarnya. Dengan kemampuan otak yang terlatih, manusia dapat mengidentifikasikan pola suara musik dari setiap instrumen dan dapat membedakan jenis-jenis instrumen dalam suara musik yang didengarnya. Hal tersebut dikarenakan manusia pernah belajar mengenali suara-suara dari setiap instrumen musik dan mengingatnya didalam otak manusia. Kemampuan otak manusia tersebutlah yang memotivasi penulis untuk membuat sistem atau aplikasi, yang dapat mengenali akord musik yang sedang dimainkan dalam suatu lagu baik diradio, di televisi atau media elektronik lainnya. Metodologi, Hasil dan Pembahasan Chord Knowlegde-Base Development pada penelitian ini merupakan suatu proses pembentukan pengetahuan yang digunakan untuk mengidentifikasi akord dan notasi dimana proses tersebut dilakukan oleh komputer dengan menggunakan Neural Network (jaringan syaraf tiruan). Pada penelitian ini Chord Knowledge-Base Development dibuat menggunakan program Matlab dengan menggunakan Neural Network (Jaringan Syaraf Tiruan). Chord Knowlegde-Base Development digunakan untuk membentuk suatu pengetahuan yang digunakan komputer untuk proses pembelajaran identifikasi akord berdasarkan kombinasi not. Diharapkan komputer dengan Chord Knowledge base development tersebut memiliki kecerdasan seperti kecerdasan pada otak manusia, sehingga mampu mengidentifikasi akord musik. Pada proses Chord Knowlegde Base Development menggunakan beberapa tahap, seperti yang pada diagram blok dibawah ini.
4 Gambar 3.1 Proses pembentukan Knowledge mengenai akord Tahap pertama, pada tahap ini penulis mencari bahan referensi untuk dijadikan bahan acuan untuk memahami tentang not-not yang ada dalam suatu akord. Pada penelitian ini data not-not dan akord akan diambil secara manual dengan ketentuan-ketentuan sebagai berikut : Referensi yang digunakan dalam penelitian ini diambil dari buku Keyboard Tabelle dan buku Top Hits Of The World. Nada dasar yang digunakan dibatasi, maksimal mencapai dua oktaf. Data akord yang memiliki kesamaan notasi akan dihilangkan. Tahap kedua, pada tahap ini merupakan tahapan pembuatan tabel not-not dan akord, dimana pada tahapan ini penulis menumerisasi data akord yang masih berbentuk not balok menjadi data numerik. Tahap ketiga, pada tahap ini, data sampel yang telah dinumerisasi akan dicoba untuk dilatih dan disimulasi berupa akord-akord dan notasinya dengan ANN. Tahap keempat, pada tahap ini merupakan tahapan pembelajaran jaringan syaraf tiruan dengan menggunakan data tabel akord yang telah ternumerisasi yang telah dihasilkan dari proses musical knowledge. Proses pembelajaran Neural Network dalam Penelitian ini menggunakan model Backpropagation dengan Model ANN yang digunakan adalah trainlm (Levenberg-Marquardt backpropagation). Pengambilan Data dan Pembuatan Tabel Proses pengambilan data sampel dilakukan secara manual melalui buku, yaitu dengan mempelajari dan memahami akord-akord dan notasi melalui buku-buku akord dan notasi, dalam hal ini buku yang dipergunakan penulis dalam penelitian ini adalah Keyboard Tabelle.
5 Dikarenakan Matlab tidak dapat membaca not balok maka data sampel tersebut harus dinumerisasi, yaitu setiap nada-nada notasi dasar tersebut disimbolkan dengan bilangan numerik yang urut, yaitu : C(1), D(2), E(3), F(4), G(5), A(6), B(7), C (8), D (9), E (10), F (11), G (12), A (13), B (14). Dan didalam akord terdapat symbol kress (#) dan mall (b), yang berarti (mall) membuat nada dasar tersebut turun setengah dan # (kress) membuat nada dasar tersebut naik setengah., dan bila sebuah nada dasar memiliki dua buah tanda membuat nada dasar tersebut turun satu dan bila suatu nada dasar memiliki dua buah tanda ## atau tanda membuat nada dasar tersebut naik satu. Gambar 3.2 Pembacaan nada dasar Gambar 3.3 Pembacaan nada dasar dengan tanda Gambar 3.4
6 Pembacaan nada dasar dengan tanda # Dikarenakan data akord tersebut masih dalam bentuk not balok, jadi data akord tersebut harus dikodekan ke dalam bilangan real agar dapat diproses dengan menggunakan ANN. Dalam penelitian ini data yang akord yang dijadikan Musical Knowledge adalah Akord C, Akord C# / Db, Akord D, Akord D# / Eb, Akord E, Akord F, Akord F# / Gb, Akord G, Akord G# / Ab, Akord A, Akord A# / Bb, dan Akord B. Untuk eksperimen dua data sample dibuat berdasarkan referensi yang diperoleh dari buku Top Hits of the World, yaitu setiap not dasarnya dibuat berdasarkan posisi dari tuts piano dan setiap akord diberi simbol numerik secara urut seperti yang diilustrasikan pada gambar berikut : Gambar 3.15 Pembacaan Not-Not Pengisi akord Kode not pengisi akord disimbolkan berdasarkan tuts piano yang tertera seperti gambar 3.5, yaitu F(1), F#(2), G(3), G#(4), A(5), A#(6), B(7), C(8), C#(9), D(10), D#(11), E(12), sedangkan untuk kode akord dasar dan akord kombinasi disimbolkan secara urut, yaitu Tabel 3.6 Kode symbol-simbol akord
7 Akord Dasar Kode Akord Dasar C 1 C# 2 D 3 D# 4 E 5 F 6 F# 7 G 8 G# 9 A 10 A# 11 B 12 Kombinasi Kode Akord Kombinasi Akord Mayor (May) 1 7 th 2 minor(m) 3 augment(+) 4 Diminish (dim) 5 m7 6 m7(-5) 7 6 th 8 9 th 9 May 7 th 10 m sus4 13 Pada data sample yang kedua kombinasi akord memiliki empat nada dasar, tetapi tidak semua kombinasi akord memiliki empat nada dasar, jadi nada dasar yang kosong disimbolkan dengan angka numerik 1000, angka numerik 1000 ini dikarenakan dalam pembacaan data komputer akan melakukan shorting data sehingga setiap nada dasar yang kosong akan selalu berada diurutan terakhir Pembahasan Hasil Eksperimen 1 dan 2 Pada eksperimen satu data sample yang digunakan dibuat berdasarkan not-not dasar yang membentuk akord, data yang diperoleh setelah melakukan penyederhanan data sample berjumlah 1739 data akord. Pelatihan pada eksperimen satu menggunakan jumlah data sample yang terlalu banyak dan kompleks sehingga hal tersebut menyulitkan penulis dalam mengoreksi kesalahan yang terjadi pada pelatihan jaringan syaraf tiruan. Proses pelatihan jaringan syaraf tiruan yang telah dilakukan pada eksperimen satu telah berhasil berhasil mencapai target yang ditetapkan, tetapi pelatihan jaringan syaraf tiruan denganze model ANN trainlm, mencapai target pada epoch ke 354 dengan performance MSE (Mean Sequare Error ) = e-005. Proses pelatihan belangsung selama 63 jam 17 menit. Sedangkan pelatihan jaringan syaraf tiruan dengan model ANN trainoss berlangsung selama satu menit, dan mencapai target pada epoch ke 250 dengan performance MSE (Mean Sequare Error ) = Pada eksperimen dua, data sampel yang digunakan dibuat berdasarkan letak tuts piano, sehingga data sampel yang digunakan menjadi lebih terstruktur, dan jumlah data
8 yang digunakan jauh lebih sedikit dari data sampel yang digunakan pada eksperimen satu. Proses pelatihan jaringan syaraf tiruan pada eksperimen dua dengan model ANN trainlm berhasil mencapai target dan proses pelatihan berlangsung lebih cepat dari pelatihan yang dilakukan dengan data sampel yang pertama, yaitu dua menit, dan mencapai target pada epoch ke 107 dengan performance MSE (Mean Sequare Error ) = e-005. Sedangkan pelatihan jaringan syaraf tiruan dengan model ANN trainoss berlangsung lebih lama dari pelatihan yang dilakukan dengan data sampel yang pertama, yaitu 20 menit, dan mencapai target pada epoch ke dengan performance MSE (Mean Sequare Error ) = Kesimpulan umum : a) ANN akan lebih mudah mempelajari data sampel yang terstruktur dibandingkan data yang tidak terstruktur. b) Knowledge base berbasis ANN tentang akord musik dalam penelitian ini telah berhasil dibuat, dan data sample yang paling cocok untuk pembuatan knowledge base tentang akorddalam penelitian ini adalah data sampel yang kedua. DAFTAR PUSTAKA 1. Jimmy Wales, Ensiklopedia Bebas From 13 mei Jong Jek Siang, Jaringan Syaraf Tiruan dan Pemrograman Menggunakan Matlab, Penerbit Andi, Sri Kusuma Dewi, Membangun Jaringan Syaraf Tiruan menggunakan Matlab dan Excelink, Graha Ilmu, Howard Demuth, Mark Beals, Neural Network Toolbox For Use With Matlab, The Math Works, Inc, 1992
PENGENALAN KARAKTER ALFANUMERIK MENGGUNAKAN METODE BACKPROPAGARATION
PENGENALAN KARAKTER ALFANUMERIK MENGGUNAKAN METODE BACKPROPAGARATION Amriana 1 Program Studi D1 Teknik Informatika Jurusan Teknik Elektro Fakultas Teknik UNTAD ABSTRAK Jaringan saraf tiruan untuk aplikasi
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER
RENCANA PEMBELAJARAN SEMESTER Program Studi: Statistika Fakultas: Sains dan Matematika Mata Kuliah: Jaringan Syaraf Tiruan Kode: AST21-415 SKS: 3 Sem: VI Dosen Pengampu: Dr. Budi Warsito, S.Si, M.Si. Capaian
Lebih terperinciPERANCANGAN SISTEM PENGENALAN NADA TUNGGAL KEYBOARD (ORGEN) PADA PC BERBASIS MATLAB
PERANCANGAN SISTEM PENGENALAN NADA TUNGGAL KEYBOARD (ORGEN) PADA PC BERBASIS MATLAB Supriansyah 1, Dr. Yeffry Handoko Putra, MT 2 1 Jurusan Teknik Komputer Unikom, 2 Jurusan Magister Sistem Informasi Unikom
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 terperinciAPLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA
APLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA Pembimbing: Desi Fitria Utami M0103025 Drs. Y. S. Palgunadi, M. Sc
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN PADA PENGENALAN POLA TULISAN DENGAN METODE BACKPROPAGATION
APLIKASI JARINGAN SYARAF TIRUAN PADA PENGENALAN POLA TULISAN DENGAN METODE BACKPROPAGATION Alvama Pattiserlihun, Andreas Setiawan, Suryasatriya Trihandaru Program Studi Fisika, Fakultas Sains dan Matematika,
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 terperinciPEMANFAATAN NEURAL NETWORK PERCEPTRON PADA PENGENALAN POLA KARAKTER
PEMANFAATAN NEURAL NETWORK PERCEPTRON PADA PENGENALAN POLA KARAKTER Fakultas Teknologi Informasi Universitas Merdeka Malang Abstract: Various methods on artificial neural network has been applied to identify
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 terperinciBAB I PENDAHULUAN. memberikan kesempatan kepada manusiauntuk mengekspresikan dan melibatkan segala
BAB I PENDAHULUAN 1.1 Latar Belakang Kehadiran musik dalam peradaban manusia memberikan efek luar biasa.musik memberikan kesempatan kepada manusiauntuk mengekspresikan dan melibatkan segala perasaannya
Lebih terperinciPENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PESERTA KB BARU DI KABUPATEN SEMARANG DENGAN METODE BACKPROPAGATION
PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PESERTA KB BARU DI KABUPATEN SEMARANG DENGAN METODE BACKPROPAGATION Restiana Putri Abstract - On a government agencies Badan Keluarga Berencana
Lebih terperinciUNIVERSITAS BINA NUSANTARA
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informasi Skripsi Sarjana Komputer Semester Genap tahun 2003/2004 PENGENALAN NADA PADA INSTRUMEN MUSIK AKUSTIK Antonius Daniel Kurniawan (0400537123) Herry Zhouldy
Lebih terperinciPERAMALAN NILAI TUKAR MATA UANG MENGGUNAKAN ALGORITMA GRADIEN CONJUGATE DENGAN METODE FLETCHER-REEVES
PERAMALAN NILAI TUKAR MATA UANG MENGGUNAKAN ALGORITMA GRADIEN CONJUGATE DENGAN METODE FLETCHER-REEVES Wafistrietman Corris¹, Retno Novi Dayawati², Tjokorda Agung Budi Wirayuda³ ¹Teknik Informatika,, Universitas
Lebih terperinciKey words: Artificial Neural Network, Exponential Smoothing, Prediction, Electrical Energy Need.
PREDIKSI KEBUTUHAN ENERGI LISTRIK SULAWESI UTARA MENGGUNAKAN ARTIFICIAL NEURAL NETWORK DAN METODE EXPONENTIAL SMOOTHING Febry Hontong 1), Tritiya Arungpadang 2), Johan Neyland 3) Jurusan Teknik Mesin Universitas
Lebih terperinciFAKULTAS ILMU KOMPUTER SEGMENTASI MELALUI DETEKSI ONSET SUARA
U N I V E R S I T A S G U N A D A R M A FAKULTAS ILMU KOMPUTER SEGMENTASI MELALUI DETEKSI ONSET SUARA DISUSUN OLEH NAMA : Moh.Iman Lukman Nulhakim NPM : 22101460 FAKULTAS : Ilmu Komputer JURUSAN : Sistem
Lebih terperinciMEMPREDIKSI KECERDASAN SISWA MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS ALGORITMA BACKPROPAGATION (STUDI KASUS DI LP3I COURSE CENTER PADANG)
MEMPREDIKSI KECERDASAN SISWA MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS ALGORITMA BACKPROPAGATION (STUDI KASUS DI LP3I COURSE CENTER PADANG) R. Ayu Mahessya, S.Kom, M.Kom, Fakultas Ilmu Komputer Universitas
Lebih terperinciKONTRAK PEMBELAJARAN (KP) MATA KULIAH
KONTRAK PEMBELAJARAN (KP) MATA KULIAH Jaringan Saraf Tiruan Kode MK: TSK 615 Program Studi Sistem Komputer Fakultas Teknik Universitas Diponegoro Pengajar : Dr.Oky Dwi Nurhayati, ST, MT Semester : 6 KONTRAK
Lebih terperinciBab III Metode dan Perancangan Sistem
Bab III Metode dan Perancangan Sistem 3.1 Metode Penelitian Metode yang dipakai untuk membuat aplikasi ini adalah prototype model. Model prototype dikembangkan dengan membuat prototyping aplikasi perangkat
Lebih terperinci2 2 ... v... 3 Santoso... 21 abawa... 29... 37... 53... 59... 67... 77 Yohakim Marwanta... 85... 89... 101 ... 109... 117 D. Jaringan Komputer Amirudd... 135 andha... 141... 151... 165 Syahrir... 171...
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
1 RENCANA PEMBELAJARAN SEMESTER (RPS) Mata Kuliah : Applied Artificial Intelligent Kode/ Bobot : ------- Status : Mata Kuliah Penunjang Disertasi Prasyarat : - Deskripsi Singkat : Konsep dasar Artificial
Lebih terperinciANALISIS EFEKTIFITAS METODE HIBRIDA NEURAL NETWORKS DAN FUZZY LOGIC UNTUK PERAMALAN VALUTA ASING
ANALISIS EFEKTIFITAS METODE HIBRIDA NEURAL NETWORKS DAN FUZZY LOGIC UNTUK PERAMALAN VALUTA ASING Aji Prasetya Wibawa*, Rully Soelaiman** *Universitas Negeri Malang Email : ajipw@yahoo.com **Institut Teknologi
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI. membangun aplikasi transposisi akord lagu berbasis android. parameter dalam
BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 TINJAUAN PUSTAKA Tinjauan pustaka pada penelitian ini merupakan referensi penulis dalam membangun aplikasi transposisi akord lagu berbasis android. parameter
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 terperinciAPLIKASI JARINGAN SARAF TIRUAN METODE PERCEPTRON PADA PENGENALAN POLA NOTASI
APLIKASI JARINGAN SARAF TIRUAN METODE PERCEPTRON PADA PENGENALAN POLA NOTASI Muhamad Arifin SMK Telkom Malang Email: arifin@smktelkom-mlg.sch.id Khoirudin Asfani Fakultas Teknik, Universitas Negeri Malang
Lebih terperinciPREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) Supriyanto 1, Sudjono 2, Desty Rakhmawati 3 ( 1,2. UNSOED Purwokerto, 3. STMIK
Lebih terperinciBAB III METODOLOGI PENELITIAN. Pelaksanaan penelitian ini, memerlukan banyak hal yang harus
BAB III METODOLOGI PENELITIAN III.1 Diagram Alur (Flowchart) Pelaksanaan penelitian ini, memerlukan banyak hal yang harus diperhatikan sebagai persiapan dalam melakukan penelitian. Tujuannya agar memperkecil
Lebih terperinciMuhammad Fahrizal. Mahasiswa Teknik Informatika STMIK Budi Darma Jl. Sisingamangaraja No. 338 Simpanglimun Medan
IMPLEMENTASI JARINGAN SARAF TIRUAN DALAM MEMPREDIKSI SERVICE KENDARAAN RODA 4 DENGAN METODE BACKPROPAGATION (STUDI KASUS PT. AUTORENT LANCAR SEJAHTERA) Muhammad Fahrizal Mahasiswa Teknik Informatika STMIK
Lebih terperinciABSTRAK. Kata Kunci : Artificial Neural Network(ANN), Backpropagation(BP), Levenberg Marquardt (LM), harga emas, Mean Squared Error(MSE), prediksi.
ABSTRAK Prediksi harga emas merupakan masalah yang sangat penting dalam menentukan pengambilan keputusan perdagangan dalam pertambangan. Prediksi yang akurat untuk pertambangan dapat memberikan keuntungan
Lebih terperinciJURNAL SAINS DAN INFORMATIKA
39 Fauzul Sains Amri, dan Jaringan Informatika Syaraf Vol.1 Tiruan (N0.1) untuk (2015): Memprediksi 37-43 JURNAL SAINS DAN INFORMATIKA Research of Science and Informatic e-mail: jit.kopertis10@gmail.com
Lebih terperinciAplikasi Jaringan Syaraf Tiruan Backpropagation Untuk Memprediksi Potensi Serangan Jantung
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Aplikasi Jaringan Syaraf Tiruan Backpropagation Untuk Memprediksi Potensi Serangan Jantung (Studi kasus: Pasien RSUD Dr. M. Haulussy Ambon)
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 terperinciPENENTUAN AKOR GITAR DENGAN MENGGUNAKAN ALGORITMA SHORT TIME FOURIER TRANSFORM
PENENTUAN AKOR GITAR DENGAN MENGGUNAKAN ALGORITMA SHORT TIME FOURIER TRANSFORM Agustina Trifena Dame Saragih 1, Achmad Rizal 2, Rita Magdalena 3 Departemen Teknik Elektro Institut Teknologi Telkom Jl.
Lebih terperinciBACKPROPAGATION NEURAL NETWORK AS A METHOD OF FORECASTING ON CALCULATION INFLATION RATE IN JAKARTA AND SURABAYA
BACKPROPAGATION NEURAL NETWORK AS A METHOD OF FORECASTING ON CALCULATION INFLATION RATE IN JAKARTA AND SURABAYA Anggi Purnama Undergraduate Program, Computer Science, 2007 Gunadarma Universiy http://www.gunadarma.ac.id
Lebih terperinciPROTOTYPE PENGATURAN LAMPU RUANG DENGAN JARINGAN SYARAF TIRUAN
PROTOTYPE PENGATURAN LAMPU RUANG DENGAN JARINGAN SYARAF TIRUAN Fatwa Yuniarti yuniarti_fatwa@yahoo.com Dosen Pembimbing : Dr. Haryanto, M.Pd, MT haryanto.ftuny@gmail.com Jurusan Pendidikan Teknik Elektro,
Lebih terperinciPERANCANGAN APLIKASI PEMBELAJARAN NOTASI MUSIK PIANO UNTUK MELATIH MENINGKATKAN KECERDASAN MANUSIA MENGGUNAKAN VISUAL BASIC 6.0
PERANCANGAN APLIKASI PEMBELAJARAN NOTASI MUSIK PIANO UNTUK MELATIH MENINGKATKAN KECERDASAN MANUSIA MENGGUNAKAN VISUAL BASIC 6.0 Ermayanti Astuti, M.Kom 1,2 Teknik Informatika Komputer, Fakultas Ilmu Komputer,
Lebih terperinci1. Pendahuluan 1.1 Latar belakang masalah
1. Pendahuluan 1.1 Latar belakang masalah Emas adalah unsur kimia dalam tabel periodik yang memiliki simbol Au (bahasa Latin: 'aurum') dan nomor atom 79. Emas digunakan sebagai standar keuangan di banyak
Lebih terperinciIDENTIFIKASI VARIETAS UNGGUL BENIH KEDELAI BERDASARKAN WARNA DENGAN JARINGAN SARAF TIRUAN
IDENTIFIKASI VARIETAS UNGGUL BENIH KEDELAI BERDASARKAN WARNA DENGAN JARINGAN SARAF TIRUAN Galih Probo Kusuma, Dr Melania Suweni Muntini, MT Jurusan Fisika Institut Teknologi Sepuluh Nopember (ITS) Surabaya
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 1 PENDAHULUAN. era globalisasi, di mana perdagangan mulai bersifat internasioanal. Banyak usahawan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pada sepuluh tahun terakhir ini perekonomian negara Indonesia telah mendekati era globalisasi, di mana perdagangan mulai bersifat internasioanal. Banyak usahawan
Lebih terperincii. Perangkat Keras Prosesor Intel Pentium(R) Dual-Core CPU 2.20 GHz
Data yang pada awalnya berupa chanel stereo diubah ke dalam chanel mono. Kemudian data tersebut disimpan dengan file berekstensi WAV. Praproses Pada tahap ini dilakukan ekstraksi ciri menggunakan metode
Lebih terperinciPenyelesaian Masalah Syarat Batas dalam Persamaan Diferensial Biasa Orde Dua dengan Menggunakan Algoritma Shooting Neural Networks
Penyelesaian Masalah Syarat Batas dalam Persamaan Diferensial Biasa Orde Dua dengan Menggunakan Algoritma Shooting Neural Networks Dewi Erla Mahmudah 1, Ratna Dwi Christyanti 2, Moh. Khoridatul Huda 3,
Lebih terperinciUnnes Journal of Mathematics
UJM 2 (2) (2013) Unnes Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm PERBANDINGAN PREDIKSI HARGA SAHAM DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN ARIMA Dwi Prisita
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 terperinciPENERJEMAH FILE MUSIK BEREKSTENSI WAV KE NOT ANGKA. Albertus D Yonathan A / ABSTRAK
PENERJEMAH FILE MUSIK BEREKSTENSI WAV KE NOT ANGKA Albertus D Yonathan A / 0422001 y0y02k4@gmail.com Jurusan Teknik Elektro, Fakultas Teknik, Jalan Prof. Drg. Suria Sumantri 65 Bandung 40164, Indonesia
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 terperinciPERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) L K Widyapratiwi 1, I P A Mertasana 2, I G D Arjana 2 1 Mahasiswa Teknik Elektro, Fakultas
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 terperinciSILABUS PIANO II SM 401
No.: FPBS/FM-7.1/07 Lampiran 9.7. Form Silabus SILABUS PIANO II SM 401 HENRY VIRGAN, M.Pd. JURUSAN PENDIDIKAN SENI MUSIK FAKULTAS PENDIDIKAN BAHASA DAN SENI UNIVERSITAS PENDIDIKAN INDONESIA 2011 DESKRIPSI
Lebih terperinciBAB I PENDAHULUAN. A. Latar Belakang Masalah. Pembelajaran memiliki pengertian tersendiri bagi orang-orang yang
A. Latar Belakang Masalah BAB I PENDAHULUAN Pembelajaran memiliki pengertian tersendiri bagi orang-orang yang mengalaminya. Pembelajaran bukan merupakan kata asing didunia pendidikan, terutama kepada para
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 terperinciBab 4 Hasil dan Pembahasan
Bab 4 Hasil dan Pembahasan 4.1 Prototype 4.1.1 Prototype Pertama Hasil prototype pertama dievaluasi, dan hasil evaluasinya yaitu user menginginkan perubahan pada tampilan Halaman Teori seperti yang ditunjukkan
Lebih terperinciABSTRAK. v Universitas Kristen Maranatha. Kata kunci: backpropagation, Multilayer Perceptron (MLP), masalah klasifikasi
ABSTRAK Salah satu fungsi dari pengklasifian data adalah untuk dapat mengenali objek baru. Sebuah sistem komputer yang berbentuk Multilayer Perceptron (MLP), dengan algoritma backpropagation mampu membantu
Lebih terperinciPENERAPAN ALGORITMA JARINGAN SYARAF TIRUAN UNTUK PREDIKSI STATUS PERMOHONAN HUTANG DAN HARGA JAMINAN HUTANG MOTOR
PENERAPAN ALGORITMA JARINGAN SYARAF TIRUAN UNTUK PREDIKSI STATUS PERMOHONAN HUTANG DAN HARGA JAMINAN HUTANG MOTOR Angga Wahyu Wibowo Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang, Indonesia
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 terperinciSKRIPSI Diajukan untuk memenuhi sebagian persyaratan mendapatkan gelar Strata Satu Jurusan Informatika. Disusun Oleh: WINA ISTI RETNANI NIM.
PERBANDINGAN ALGORITMA BACKPROPAGATION LEVENBERG MARQUARDT (LM) DENGAN BACKPROPAGATION GRADIENT DESCENT ADAPTIVE GAIN (BPGD/AG) DALAM PREDIKSI JUMLAH PENGANGGURAN DI PROVINSI JAWA TENGAH SKRIPSI Diajukan
Lebih terperinciBAHAN USBN AKORD. = 2 1 ½ m = 1 ½ 2 dim = 1 ½ - 1 ½ M 7 = 2 1 ½ - 2 m 7 = 1 ½ 2-1 ½ 7 = 2 1 ½ - 1 ½ Sus 4 = = 2 ½ - 1 Sus 2 = = 1 2 ½
AKORD BAHAN USBN M = 2 1 ½ m = 1 ½ 2 dim = 1 ½ - 1 ½ M 7 = 2 1 ½ - 2 m 7 = 1 ½ 2-1 ½ 7 = 2 1 ½ - 1 ½ Sus 4 = 1 4 5 = 2 ½ - 1 Sus 2 = 1 2 5 = 1 2 ½ MUSIK KONTEMPORER Ciri-Ciri Seni Kontemporer secara umum
Lebih terperinciSISTEM GERAK PARKIR MOBIL OTOMATIS DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN
SISTEM GERAK PARKIR MOBIL OTOMATIS DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN Eko Budi Setiawan¹, Warih Maharani², Fazmah Arif Yulianto³ ¹Teknik Informatika,, Universitas Telkom Abstrak Proses parkir mobil
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 terperinciDETEKSI JENIS KAYU CITRA FURNITURE UKIRAN JEPARA MENGGUNAKAN JST BACKPROPAGATION
No Makalah : 299 Konferensi Nasional Sistem Informasi 2012, STMIK - STIKOM Bali 23-25 Pebruari 2012 DETEKSI JENIS KAYU CITRA FURNITURE UKIRAN JEPARA MENGGUNAKAN JST BACKPROPAGATION Ratri Dwi Atmaja 1,
Lebih terperinciIDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION
IDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION RULIAH Program Studi Sistem Informasi Sekolah Tinggi Manajemen Informatika dan Komputer Banjarbaru Jl. A. Yani Km. 33,3 Loktabat
Lebih terperinciPrediksi Beban Listrik Pulau Bali Dengan Menggunakan Metode Backpropagasi
Prediksi Beban Listrik Pulau Bali Dengan Menggunakan Metode Backpropagasi Qoriatul Fitriyah 1),Didi Istardi 2) 1) Jurusan Teknik Elektro Politeknik Batam, Batam 29461, email: fitriyah@polibatam.ac.id Jurusan
Lebih terperinciBAB 1 PENDAHULUAN. Dengan pesatnya perkembangan teknologi dalam bidang IT (Information
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dengan pesatnya perkembangan teknologi dalam bidang IT (Information Technology), terutama dalam bagian AI (Artificial Intelligence), telah banyak aplikasiaplikasi yang
Lebih terperinciPENGGUNAAN MATLAB DALAM PENYELESAIAN SISTEM PERSAMAAN LINEAR MENGGUNAKAN JARINGAN HOPFIELD LINEAR ABSTRAK
PENGGUNAAN MATLAB DALAM PENYELESAIAN SISTEM PERSAMAAN LINEAR MENGGUNAKAN JARINGAN HOPFIELD LINEAR Rosihan Ari Yuana Program Studi Pendidikan Matematika Universitas Sebelas Maret ABSTRAK Aplikasi jaringan
Lebih terperinciAbstract
ANALISIS PENERAPAN ARTIFICIAL NEURAL NETWORK DALAM PENENTUAN BIDANG KOMPETENSI SKRIPSI MAHASISWA (STUDI KASUS DI PROGRAM STUDI TEKNIK INFORMATIKA STMIK NURDIN HAMZAH JAMBI) 1,2,3 Magister Ilmu Komputer,
Lebih terperinciBAB II TINJAUAN PUSTAKA
7 BAB II TINJAUAN PUSTAKA Penelitian maupun pembuatan aplikasi mengenai pengenalan karakter / pengenalan pola ataupun yang berhubungan dengan Jaringan Syaraf Tiruan terlebih dengan metode Backpropagation
Lebih terperinciSIMULATOR NOMER PLAT MOBIL DARI KEYBOARD DENGAN JST BACKPROPAGATION
SIMULATOR NOMER PLAT MOBIL DARI KEYBOARD DENGAN JST BACKPROPAGATION MELANI S. 1, I. SATYOADI 2 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Katolik Widya Mandala Jalan Kalijudan 37 Surabaya, 60114,
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 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 terperinciOtomatisasi Perkantoran
Otomatisasi Perkantoran Definisi Otomatisasi Perkantoran Model Otomatisasi Perkantoran Internet, Intranet dan Ekstranet Definisi Otomatisasi Perkantoran Otomatisasi kantor merupakan aplikasi teknologi
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 terperinciBAB IV PERANCANGAN DAN IMPLEMENTASI PERANGKAT LUNAK
BAB IV PERANCANGAN DAN IMPLEMENTASI PERANGKAT LUNAK Bab ini menjelaskan perancangan dan implementasi yang dilakukan. Tahap pertama dimulai dengan merancang beberapa classifier yaitu jaringan saraf tiruan
Lebih terperinciBAB I PENDAHULUAN. dapat menghasilkan suara yang enak untuk didengar.
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring dengan berkembangnya jaman, teknologi yang sekarang banyak digunakan untuk membantu pekerjaan manusia pun juga semakin berkembang pesat. Bukan hanya teknologi
Lebih terperinciIMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION
IMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION Abdi Haqqi An Nazilli 1, Deddy Kusbianto Purwoko Aji 2, Ulla Delfana Rosiani 3 1,2 Teknik Informatika,
Lebih terperinciIDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION
IDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION Dila Deswari [1], Hendrick, MT. [2], Derisma, MT. [3] Jurusan Sistem Komputer, Fakultas Teknologi Informasi, Universitas Andalas [1][3]
Lebih terperinciBAB 1 PENDAHULUAN. 1 Universitas Indonesia. Perolehan informasi musik...,aurora Marsye, FASILKOM UI, 2008
BAB 1 PENDAHULUAN Bab ini membahas latar belakang penelitian (bagian 1.1), rumusan masalah penelitian (bagian 1.2), tujuan penelitian (bagian 1.3), ruang lingkup penelitian (bagian 1.4), metodologi penelitian
Lebih terperinciterdapat tempat tempat hiburan karaoke, orang orang harus pergi dari rumah dan harus mengeluarkan uang untuk berkaraoke. Hal ini dirasa merepotkan,
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Pada zaman sekarang ini, kegiatan karaoke telah menjadi sebuah hobi bagi kebanyakan orang. Karaoke merupakan sebuah kegiatan hiburan dimana seseorang menyanyi
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 terperinciANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA
ANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA Nurmahaludin (1) (1) Staf Pengajar Jurusan Teknik Elektro Politeknik Negeri Banjarmasin Ringkasan Kebutuhan
Lebih terperinciPENENTUAN NILAI STABILITAS MARSHALL DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK RENDI PRATAMA SIREGAR
PENENTUAN NILAI STABILITAS MARSHALL DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK TUGAS AKHIR Diajukan untuk Melengkapi Tugas-tugas dan Memenuhi Syarat untuk Menempuh Ujian Sarjana Teknik Sipil Disusun
Lebih terperinciDigital Signal Processing To Identify chords Singer Using Mel Frequency Cepstral Coefficients (MFCC) and Neural Network Backpropagation Methods
Pemrosesan Sinyal DigitalUntuk Mengidentifikasi Akord Dasar Penyanyi Dengan Metode Mel Frequency Cepstral Coeficients (MFCC) Dan Jaringan Syaraf Tiruan Backpropagation Digital Signal Processing To Identify
Lebih terperinciIDENTIFIKASI PEMBUAT TULISAN TANGAN MENGGUNAKAN HAAR WAVELET DAN ALGORITMA PROPAGASI BALIK LEVENBERG MARQUARDT
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2011 IDENTIFIKASI PEMBUAT TULISAN TANGAN MENGGUNAKAN HAAR WAVELET DAN ALGORITMA PROPAGASI BALIK LEVENBERG MARQUARDT Rizky Suslianto¹, Sri Widowati², Bedy
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN Dalam bab ini akan dijelaskan mengenai latar belakang dari pengambilan materi Tugas Akhir, tujuan maupun hasil yang diharapkan, ruang lingkup yang membatasi permasalahan yang dibahas,
Lebih terperinciIDENTIFIKASI CITRA BILANGAN DESIMAL 0-9 BERBASIS LEARNING VECTOR QUANTIZATION SECARA REAL TIME
Jurnal POROS TEKNIK, Volume 4, No. 1, Juni 2012 : 24-29 IDENTIFIKASI CITRA BILANGAN DESIMAL 0-9 BERBASIS LEARNING VECTOR QUANTIZATION SECARA REAL TIME Gunawan Rudi Cahyono (1) (1) Staf Pengajar Jurusan
Lebih terperinciPENGEMBANGAN SUMBER BELAJAR MATAKULIAH SISTEM CERDAS KOMPETENSI JARINGAN SYARAF TIRUAN
PENGEMBANGAN SUMBER BELAJAR MATAKULIAH SISTEM CERDAS KOMPETENSI JARINGAN SYARAF TIRUAN Slamet Wahyudi 1, Anik Nur Handayani 2, Heru Wahyu Herwanto 3 1.2.3 Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciBRAMARA D Dosen Pembimbing I : NIP Dosen Pembimbing II : Andi Rahmadiansah, ST, MT. NIP
BRAMARA D. 2407.100.009 Dosen Pembimbing I : Dr. Dhany Arifianto, ST, M.Eng. NIP. 19731007 199802 1 001 Dosen Pembimbing II : Andi Rahmadiansah, ST, MT. NIP. 19790517 200312 1 002 Judul Tugas Akhir : PEMISAHAN
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 terperinciPERANCANGAN SOFTSENSOR KADAR GAS BUANG PADA STACK HASIL KELUARAN HRSG (HEAT RECOVERY STEAM GENERATOR) DENGAN METODE JARINGAN SYARAF TIRUAN
PERANCANGAN SOFTSENSOR KADAR GAS BUANG PADA STACK HASIL KELUARAN HRSG (HEAT RECOVERY STEAM GENERATOR) DENGAN METODE JARINGAN SYARAF TIRUAN Oleh : Hera Firdhausa Katili 2409100073 Dosen Pembimbing : Dr.
Lebih terperinciPENDEKATAN ARTIFICIAL NEURAL NETWORK (ANN) UNTUK MENGKLASIFIKASIKAN HEWAN VETEBRATA MENGGUNAKAN KOHONEN SELF ORGANIZING MAP (SOM)
PENDEKATAN ARTIFICIAL NEURAL NETWORK (ANN) UNTUK MENGKLASIFIKASIKAN HEWAN VETEBRATA MENGGUNAKAN KOHONEN SELF ORGANIZING MAP (SOM) 1 Tursina 1 Prodi. Teknik Informatika, Fakultas Teknik, Universitas Tanjungpura
Lebih terperinciSeminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004
Seminar Nasional Aplikasi Teknologi Informasi 004 Yogyakarta, 19 Juni 004 Klasifikasi Pola Menggunakan Jaringan Probabilistik Sri Kusumadewi Jurusan Teknik Informatika, Universitas Islam Indonesia Jl.
Lebih terperinciBAB I PENDAHULUAN. penting. Notasi musik merupakan media agar hasil karya musik seseorang
1 BAB I PENDAHULUAN A. Latar Belakang Dalam dunia seni musik, notasi merupakan salah satu komponen yang penting. Notasi musik merupakan media agar hasil karya musik seseorang dapat dimainkan kembali. Lagu-lagu
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. Bab ini menguraikan proses implementasiuntuk tahap pelatihanneural networks,
BAB IV IMPLEMENTASI DAN EVALUASI Bab ini menguraikan proses implementasiuntuk tahap pelatihanneural networks, pengenalan not, pembangkitan not, dan tahap evaluasi. Aplikasi yang digunakan untuk pengujian
Lebih terperinci1. Pendahuluan Latar Belakang
1. Pendahuluan 1.1. Latar Belakang Musik merupakan sarana untuk menyimpan hasil karya seseorang. Dan hampir semua notasi musik dituliskan ke dalam not balok. Not balok adalah susunan nada yang ditulis
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 terperinciBAB IV HASIL DAN PEMBAHASAN
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 masin-masing komponen perangkat.
Lebih terperinciPrediksi Jangka Pendek Debit Aliran Irigasi Seluma dengan Menggunakan Jaringan Syaraf Tiruan
Prediksi Jangka Pendek Debit Aliran Irigasi Seluma dengan Menggunakan Jaringan Syaraf Tiruan Supiyati, Syamsul Bahri dan Iwan Erdi Abstract: Penelitian mengenai prediksi jangka pendek debit aliran irigasi
Lebih terperinciKLASIFIKASI KEMATANGAN MANGGA MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN LEVENBERG MARQUARDT
KLASIFIKASI KEMATANGAN MANGGA MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN LEVENBERG MARQUARDT Imam Machroz 1) Wina Apriliani 2) Lawan 3) Reza Saputra 4) Rosita 5) Nur Afny Catur Andryani 6) Teknik Informatika
Lebih terperinciPerbandingan Antara Metode Kohonen Neural Network dengan Metode Learning Vector Quantization Pada Pengenalan Pola Tandatangan
Jurnal Sains & Matematika (JSM) ISSN Kajian 0854-0675 Pustaka Volume14, Nomor 4, Oktober 2006 Kajian Pustaka: 147-153 Perbandingan Antara Metode Kohonen Neural Network dengan Metode Learning Vector Quantization
Lebih terperinci2014 ESTIMASI BEBAN PUNCAK HARIAN BERDASARKAN KLUSTER TIPE HARI BERBASIS ALGORITMA HYBRID SWARM PARTICLE-ARTIFICIAL NEURAL NETWORK
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Di negara yang memiliki jumlah populasi penduduknya besar dan perkembangan industrinya mengalami peningkatan, tentunya memiliki tingkat kebutuhan akan sumber
Lebih terperinciBAB 1 PENDAHULUAN. Setiap orang, dari setiap golongan, selalu mendambakan tubuh yang sehat.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Setiap orang, dari setiap golongan, selalu mendambakan tubuh yang sehat. Permasalahan kesehatan adalah hal yang esensial bagi setiap orang, karena merupakan modal utama
Lebih terperinciRANCANG BANGUN ALAT BANTU PENENTU POLA DISTRIBUSI INPUT DENGAN MEMANFAATKAN JARINGAN SYARAF TIRUAN DENGAN MENGGUNAKAN PERSENTIL SEBAGAI PENCIRI
RANCANG BANGUN ALAT BANTU PENENTU POLA DISTRIBUSI INPUT DENGAN MEMANFAATKAN JARINGAN SYARAF TIRUAN DENGAN MENGGUNAKAN PERSENTIL SEBAGAI PENCIRI Aris Tjahyanto Jurusan Sistem Informasi, Fakultas Teknologi
Lebih terperinci