Seminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004
|
|
- Benny Halim
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Senar asonal Aplas enolog Inforas 004 ogyaarta, 9 Jun 004 Perancangan Jarngan Syaraf ruan Upan Bal Berbass ndows Stud Kasus Pengenalan uer Arab Sauel Luas, Arnold Arbowo, Sepren Faultas Ilu Koputer Unverstas Pelta Harapan Alun Jurusan en Inforata Unverstas Pelta Harapan UPH ower, M.H. harn o.. Lppo Karawac, angerang, 58, Indonesa e-al: sluas@consultant.co, arnold_phd@hotal.co Abstract Artfcal eural wors are bascally software applcatons that need to be prograed. Le any other applcaton, an A can be prograed wth a prograng language, a tool, or both. hs paper dscussed an analyss how an A based on bac propagaton learnng algorth can be constructed by usng Vsual Basc language. Moreover ths paper also dscusses how we can ae an A syste to dentfy handwrtng of nne nuercal Arabc characters. Keywords: artfcal neural networs, prograng language, nne nuercal arabc characters.. Pendahuluan Serng dengan perebangan generas oputer yang dula dar penggunaan oputer sebaga alat htung dawal tahuan 60an yang eudan berebang e pengolahan ata yang dlanutan dengan pengolahan data dan nforas aa generas oputer searang n easu duna ecerdasan yang lebh enyerupa daya nalar anusa. Suatu pertanyaan endasar yang elandas peran n adalah apuan anusa encptaan suatu esn yang epunya eapuan tda hanya elauan perosesan data dan nforas dar data yang dberannya aan tetap engabl suatu espulan yang cerdas dar data tu. Untu tu aa debangan suatu bdang lu soft coputng. Softcoputng adalah suatu pendeatan lu pengetahuan dala bdang oputas untu elauan perhtungan paralel engut pola eapuan daya pr anusa untu belaar dala suatu lngungan yang tda past dan ta enentu. Salah satu cabang dar softcoputng tu adalah pengebangan Jarngan Syaraf ruan JS yang erupaan suatu sste odel arngan yang eapuannya engadops daya pr anusa. Model arngan yang dbentu adalah seupulan node yang terhubung satu dengan lannya dengan suatu besaran tertentu yang dsebut bobot. Berdasaran fata hasl peneltan engena cara era sste syaraf bologs anusa, berbaga aca odel JS terus dcptaan dan debangan e arah yang lebh ba sehngga lahrlah berbaga aca odel untu tu. Salah satu odel yang palng populer adalah odel arngan Bacpropagaton Propogas uan bal. Perasalahnya tdalah udah untu endapatan prant luna JS. Apalag prant luna tu apu dengan udah untu beradaptas dengan aplas-aplas yang aan debangan eudan. Maalah n enyaan analss pengebangan prant luna JS berbass ndow yang daplasan pada sste pengenalan nuer Arab dar hngga 9. J-
2 . Jarngan Syaraf ruan Upan Bal Jarngan Syaraf ruan Bacpropagaton BP pertaa al dperenalan oleh Ruelhart, Hnton dan lla pada tahun 986, eudan Ruelhart dan Mc Clelland engebangannya pada tahun 988. Jarngan n erupaan odel arngan ultlayer. Bacpropagaton palng banya dgunaan oleh para peaa Jarngan Syaraf ruan, bahan dperraan lebh dar 80% proye Jarngan Syaraf ruan yang tengah debangan enggunaan Bacpropagaton. Model Jarngan Syaraf ruan epunya dua fase dala proses pelathannya, fase propagas au forward propagaton, dan fase propagas undur bacwad propagaton. Pada fase Propagas au, pola asuan dberan epada lapsan pertaa dar arngan, eudan dolah dan dterusan e lapsan berutnya sapa dhaslan suatu eluaran ahr actual output. Keluaran ahr n eudan dbandngan dengan nla eluaran deal dan ddapatan penypangan error pada setap eluaran. rror eudan dtranssan bal bacward dar lapsan eluaran, e asng-asng sel pada lapsan sebelunya. Proses n berlangsung terus selaa proses pebelaaran hngga ddapat error yang nu atau yang dharapan. Arstetur JS dperlhatan pada gabar. Gabar. Arstetur arngan bacpropagaton 3. Analss dan Perancangan JS Perancangan prant luna Jarngan Syaraf ruan ddasar atas odel ultlayer perseptron dengan propogas bal dan fungs atfas sgod untu setap neuronnya. Fungs sgod yang dgunaan dnyataan pada persaaan x f x e. Banyanya node pada lapsan asuan, lapsan tersebuny pertaa, lapsan tersebuny e dua dan lapsan eluaran adalah adalah I, H, H dan buah. Penggabaran dagra blo JS dperlhatan pada gabar. H H Gabar. Blo dagra perancangan JS o Ja x,,,, dan asng-asng adalah nput pada neuron e dlapsan nput, harga awal neuron e pada lapsan tersebuny pertaa, harga awal neuron e pada J-
3 J-3 lapsan tersebuny edua, harga awal neuron e pada lapsan eluaran dan bobot ones neuron e I pada lapsan nput e neuron pada lapsan tersebuny pertaa aa berlau persaaan-persaaan berut: X JI, f H, f H, f Ja,, asng-asng adalah besaran error, target output dan besaran output pada neuron e d lapsan eluaran, dan adalah RMS error pada lapsan output aa, Proses pebelaaran pada JS bertuuan untu endapatan nla bobot ones pada setap node yang sesua dengan harapan oleh arena tu perbaan setap bobot ones e lapsan eluaran dar lapsan tersebuny dua dnyataan dengan forula: Sehngga nla bobot yang baru dengan learnng rate 0 ddapat Forula perbaan bobot pada node e dar lapsan tersebuny pertaa e node e pada lapsan tersebuny eenuh persaaan H Ruus perbaan bobot pada node e dar lapsan asuan e node e pada lapsan tersebuny pertaa eenuh persaaan H X
4 H X Ja dgunaan varabel oentu 0 aa besaran bobot ones antar lapsan enad Perancangan JS yang dbangun engunaan bahasa perograan vsual basc berdasaran enu drven. Gabar 3 engabaran enu pelathan JS yang engunaan node nput dan node output. 4. Ipleentas dan valuas JS Gabar 3. Menu pelathan JS Penguan JS dlauan dengan enerapannya pada stud asus pengenalan tulsan tangan nuer arab anga satu sapa dengan seblan. Gabar tulsan tangan dabl dengan forat BMP dengan uuran asal 0 x 00 pxel dengan resolus hta puth. Sebaga data pelathan dbuat la buah varas gabar untu setap arater nuer yang aan denal. Sedangan pada data percobaan dbuat 0 varas gabar untu asng-asng arater. Setap gabar data pelathan dolah dan dlauan noralsas hngga beruuran x 0 pxel. Data n eudan dasuan e JS sebaga data pelathan. Dbuat dua odel onfguras JS. Pertaa onfguras yang enggunaan satu lapsan tersebuny dan yang edua dengan enggunaan dua lapsan tersebuny. Pada setap onfguras, ulah node pada setap lapsannya dubah-ubah. Pada onfguras pertaa ulah node pada lapsan tersebuny adalah 0, 5, 7, 30, 33, 35, dan 40. Sedangan pada onfguras edua, ulah node pada lapsan tersebuny satu dan dua dubah sebaga berut 6:4; 9:; :8; 5:5; 8:; : 9; dan 4: 6. Kedua elopo onfguras tu duan dengan nla learnng rate 0.0 dan oentu 0.5 dengan 000 epoch dengan error asu 0.00 ddapat graf error pada gabar 4. J-4
5 Gabar 4. Graf rata-rata LMS error satu lapsan Penguan e dua untu ulah node 30 pada satu lapsan tersebuny dengan engubah nla learnng dan oentu fator tetap ddapat gabar 5. Gabar 5. Graf rata-rata LMS error dengan oentu tetap untu satu lapsan tersebuny Penguan terahr untu satu lapsan dengan engubah nla oentunya dengan learnng rate terba pada gabar 5 yatu 0.8 ddapat gabar 6. Gabar 6. Graf rata-rata LMS error dengan learnng rate 0.8 untu satu lapsan tersebuny J-5
6 Jad ddapat onfguras JS terba satu lapsan adalah 0 x 30 x 9 neuron dengan learnng rate 0.8 dan oentu 0.5 Penguan dengan dua lapsan tersebuny dlauan dengan cara yang saa. Konfguras JS terbanya adalah 0 x x 8 x 9 neuron dengan learnng rate 0.9 dan oentu 0.6 Analss lebh lanut dlauan dengan ebandngan onfguras ana yang terba dar edua onfguras tu. Perbandngan tu dperlhatan pada gabar 7. Gabar 7. Graf perbandngan rata-rata LMS error Setelah endapatan onfguras terba yatu dengan satu lapsan tersebuny aa penguan sste pengenalan nuer Arab dpleentasan dan haslnya dperlhatan pada tabel. abel. Persentas pengenalan nuer Arab o Keluaran Mn Ma Krts Kenal % % % % % % % % % % Dar percobaan terlhat bahwa JS beera dengan sangat ba dan aurat. Pada asus pengenalan tulsan tangan nuer Arab terlhat bahwa nuer dan 3 epunya tngat pengenalan yang rendahhal n darenaan edua nuer relatf enyerupa satu dengan lannya. 5. Kespulan dan Saran Dar percobaan yang telah dlauan dapat dspulan sebaga berut: a. JS yang drancang untu beroperas secara ultlayer, berarstetur upan au, enggunaan etode supervsed learnng. J-6
7 b. JS yang dbangun asal engunaan dua lapsan tersebuny yang ulah asngasng neuron pada setap lapsan tda ddefnsan. Mespun dean dasar analss untu pengebangan e banya lapsan tersebuny sudah deraan. c. Penguan pada stud asus tulsan tangan nuer Arab tercapau dengan ba Saran untu peneltan lebh lanut adalah pengebangan dengan ulah lapsan yang tda ddefnssan. Daftar Pustaa Bart Koso., eural wors and Fuzzy Systes., A dynacal systes approach to achne ntellgence, Prentce Hall, Inc, ew or, 99. Freean, J., Sapura, D.M. 99. eural wors Algorths, Aplcaton and Prograng echnques. Addson-esley Publshng Copany, Inc, ew or. Levne, R.I,; Drang, D eural wor Algorths, Aplcaton and Prograng echnques. ew or : Addson-esley Publshng Copany,Inc Ln., eural wors n Coputer Intellgence., Mcgrow-Hll Internatonal dtons., 997. Rao, V.B., Rao, H.V C++ eural wors and Fuzzy Logc, Frst dton. MIS Press, ew or. J-7
PENERAPAN LOGIKA FUZZY DALAM PENGAMBILAN KEPUTUSAN UNTUK JALUR PEMINATAN MAHASISWA
onferens Nasonal Sste dan Inforatka 09; Bal, Noveber 4, 09 PENERAPAN LOGIA FUZZY DALAM PENGAMBILAN EPUTUSAN UNTU JALUR PEMINATAN MAHASISWA Sauel Lukas*, Melayana**, Wlla Sson* * Jurusan Teknk Inforatka
Lebih terperinciAnalisis Sensitivitas
Analss Senstvtas Terdr dar aa : Analss Senstvtas, bla terad perubahan paraeter seara dsrt Progra Lnear Paraetr, bla terad perubahan paraeter seara ontnu Maa-aa perubahan pasa optu: Perubahan suu tetap,
Lebih terperinciPENAKSIR PRODUK YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA DAN SAMPLING BERPERINGKAT
PEAKSIR PRODUK AG EFISIE UUK RAA-RAA POPULASI PADA SAMPLIG ACAK SEDERHAA DA SAMPLIG BERPERIGKA Dw Andn *, Frdaus, Arsan Adnan Mahasswa Progra S Mateata Dosen Jurusan Mateata Faultas Mateata Ilu Pengetahuan
Lebih terperinciFUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)
Semnar Nasonal Aplas Tenolog Informas 00 (SNATI 00) ISSN: 0-0 Yogyaarta, Jun 00 FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Sr Kusumadew Jurusan Ten Informata,
Lebih terperinciBenyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN
METODE PEMBELAJARAN Sebelum suatu Jarngan Neural Buatan (JNB) dgunaan untu menglasfasan pola, terlebh dahulu dlauan proses pembelaaran untu menentuan strutur arngan, terutama dalam penentuan nla bobot.
Lebih terperinciFUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)
Semnar Nasonal plas enolog Informas (SNI ) Yogyaarta, Jun FUZZY BCKPROPGION UNUK KLSIFIKSI POL (Stud asus: lasfas ualtas produ) Sr Kusumadew Jurusan en Informata, Faultas enolog Industr Unverstas Islam
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan
Lebih terperinciANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS
ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS Ihwannul Khols, ST. MT. Unverstas 7 Agustus 945 Jaarta hols27@gmal.com Abstra Pengenalan pola data
Lebih terperinciJARINGAN SARAF TIRUAN UNTUK IDENTIFIKASI POLA KODE DERAU PALSU
JARINGAN SARAF TIRUAN UNTUK IDENTIFIKASI POLA KODE DERAU PALSU Ea Saputra LF096585 Jurusan Ten Eletro Faultas Ten Unverstas Dponegoro Abstra Jarngan saraf truan merupaan suatu metode yang salah satunya
Lebih terperinciBAB II TEORI DASAR. Analisis Kelompok
BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan
Lebih terperinciSTUDI ALIRAN DAYA MENGGUNAKAN JARING SARAF TIRUAN COUNTERPROPAGATION TERMODIFIKASI
Senar Nasonal Aplas Tenolog Inforas 8 (SNATI 8 ISSN: -5 Yogyaarta, Jun 8 STUDI ALIRAN DAYA MENGGUNAKAN JARING SARAF TIRUAN COUNTERPROPAGATION TERMODIFIKASI Arullah,, Ontoseno Penangsang, Maurdh Hery Purnoo
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Analss Model Loglner Untu data yang bersfat ategor dan dapat dbentu pada suatu tabel ontngens, dapat danalss dengan analss odel loglner. Model loglner dgunaan untu enganalss eungnan
Lebih terperinciANALISIS PERBANDINGAN METODE FUZZY C-MEANS DAN SUBTRACTIVE FUZZY C-MEANS. Baiq Nurul Haqiqi 1, Robert Kurniawan 2. Abstract
Analss Perbandngan (Baq urul Haqq) AALISIS PERBADIGA METODE FUZZY C-MEAS DA SUBTRACTIVE FUZZY C-MEAS Baq urul Haqq, Robert Kurnawan, Jurusan Koputas Statst, Seolah Tngg Ilu Statst (STIS) Eal: qq0693@naver.o,
Lebih terperinciIMPLEMENTASI BACKPROPAGATION NEURAL NETWORK DALAM PRAKIRAAN CUACA DI DAERAH BALI SELATAN
E-Jurnal Matemata Vol. 5 (4), November 2016, pp. 126-132 ISSN: 2303-1751 IMPLEMENTASI BACKPROPAGATION NEURAL NETWORK DALAM PRAKIRAAN CUACA DI DAERAH BALI SELATAN I Made Dw Udayana Putra 1, G. K. Gandhad
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla
Lebih terperinciBAB 2 LANDASAN TEORI
10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran
Lebih terperinciBAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA
BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model
Lebih terperinciPERMASALAHAN LOKASI (Model Dasar) [2]
PERMASALAHAN LOKASI Model Dasar [] Technques of Contnuous Space Locaton Probles Medan ethod» Rectlner / Manhattan / Ct bloc dstance Contour-Lne ethod» Constructs regons bounded b counter lne hch provde
Lebih terperinciMedian Method. Types of Distance Rectilinear distance / Manhattan distance / City block distance / rigth-angle distance / rectangular distance
30/05/04 Technques of Contnuous Space Locaton Probles PERMASALAHAN LOKASI Model Dasar [] Medan ethod» Rectlner / Manhattan / Ct bloc dstance Contour-Lne ethod» Constructs regons bounded b counter lne hch
Lebih terperinciPenerapan Aljabar Matrik Dalam Analisa Masukan-Keluaran Elistya Rimawati 6)
ISSN : 693 73 Penerapan Aljabar Matrk Dala Analsa Masukan-Keluaran Elstya Rawat 6) Abstrak Analsa asukan-keluaran bertolak dar anggapan bahwa suatu sste perekonoan terdr atas sector-sektor yang salng berkatan.
Lebih terperinciBAB II DIMENSI PARTISI
BAB II DIMENSI PARTISI. Defns dasar dan eteratannya dengan metrc dmenson Dalam pembahasan dmens parts, graf yang dbahas adalah graf terhubung sederhana dan tda meml arah. Sebelum mendefnsan graf yang dgunaan
Lebih terperinciPENGENALAN POLA TULISAN TANGAN AKSARA JAWA MENGGUNAKAN MULTI LAYER PERCEPTRON
STMIK AMIKOM Yogyakarta, 6-8 Februar 2015 PENGENALAN POLA TULISAN TANGAN AKSARA JAWA MENGGUNAKAN MULTI LAYER PERCEPTRON Madha Chrstan Wbowo 1), I Dewa Gede Ra Mardana 2), Sandy Wrakusuma 3) 1), 2), 3)
Lebih terperinciFUZZY PREFERENCE RELATION UNTUK MEMBANTU PENGAMBILAN KEPUTUSAN MULTI-CRITERIA PEMILIHAN SUPPLIER
Konferens Nasonal Sste dan Inforata 2008; Bal, Noveber 5, 2008 FUZZY PREFERENCE RELATION UNTUK MEMBANTU PENGAMBILAN KEPUTUSAN MULTI-CRITERIA PEMILIHAN SUPPLIER Gregorus S. Budh ), Isa Irawan 2), Jan S.
Lebih terperinciPenerapan Diagram Kontrol Multivariat np pada Proses Produksi Hexagon Bolt M16x75mm di PT. Timur Megah Steel Gresik
1 Penerapan Dagra Kontrol Multvarat np pada Proses Produs Hexagon Bolt M16x75 d PT. Tur Meg Steel Gres Febranto, Muhaad Mashur 1, dan Luca Ardnant Jurusan Statsta, Faultas Mateata dan Ilu Pengetuan Ala,
Lebih terperinciEKSPEKTASI SATU PEUBAH ACAK
EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt
Lebih terperinciBAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh
BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla
Lebih terperinciImplementasi Metode Backpropagation untuk Mengenali Teks pada Natural Scene Image
Jurnal Pengembangan Tenolog Informas dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 8, Agustus 2018, hlm. 2527-2533 http://-pt.ub.ac.d Implementas Metode Bacpropagaton untu Mengenal Tes pada Natural Scene
Lebih terperinciImplementasi Algoritme Support Vector Machine (SVM) untuk Prediksi Ketepatan Waktu Kelulusan Mahasiswa
Jurnal Pengebangan Teknolog Inforas dan Ilu Koputer e-issn: 2548-964X Vol. 2, No. 4, Aprl 2018, hl. 1704-1708 http://-ptk.ub.ac.d Ipleentas Algorte Support Vector Machne (SVM) untuk Predks Ketepatan Waktu
Lebih terperinciProbabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata
Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola
Lebih terperinciINVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN
Buletn Ilmah ath. Stat. dan erapannya (Bmaster) Volume 5, No. 3 (6), hal 8. INVERS DRAZIN DARI SUAU ARIKS DENGAN ENGGUNAKAN BENUK KANNIK JRDAN Eo Sulstyono, Shanta artha, Ea Wulan Ramadhan INISARI Suatu
Lebih terperinciImplementasi Jaringan Saraf Tiruan Backpropagation Pada Aplikasi Pengenalan Wajah Dengan Jarak Yang Berbeda Menggunakan MATLAB 7.0
Implementas Jarngan Saraf Truan Bacpropagaton Pada Aplas Pengenalan Waah Dengan Jara Yang Berbeda Menggunaan MATLAB 7.0 Syafe Nur Luthfe Jurusan Ten Informata, Unverstas Gunadarma Jl. Margonda Raya 100,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 PENDHULUN 1.1 Latar elakang Dala pelaksanaan proyek serng kal engala suatu habatan atau penypangan sehngga serng terad kerugan bag penyelesaan proyek tersebut. Untuk tu perlu adanya suatu perencanaan
Lebih terperinciBAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciAnalisis Variasi Parameter Backpropagation Artificial Neural Network dan Principal Component Analysis Terhadap Sistem Pengenalan Wajah
ELECTRANS, Jurnal Ten Eletro, Komputer dan Informata http://eournal.up.edu/ndex.php/electrans Analss aras Parameter Bacpropagaton Artfcal Neural Networ dan Prncpal Component Analyss Terhadap Sstem Pengenalan
Lebih terperinciIDENTIFIKASI POLA SIDIK JARI DENGAN JARINGAN SYARAF TIRUAN BIDIRECTIONAL ASSOCIATIVE MEMORY
Anfudn Azz dan Tanzl Kurnawan, Identfkas Pola Jar IDENTIFIKASI POLA SIDIK JARI DENGAN JARINGAN SYARAF TIRUAN BIDIRECTIONAL ASSOCIATIVE MEMORY (Frnger Prnt Pattern Identfcaton by Bdrectonal Assocatve Memory
Lebih terperinciPEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE
PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE Dew Arfanty Azm, Dra.Madu Ratna,M.S. dan 3 Prof. Dr.
Lebih terperinciKarakterisasi Matrik Leslie Ordo Tiga
Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember
Lebih terperinciPENGENALAN POLA TULISAN TANGAN AKSARA JAWA HA NA CA RA KA MENGGUNAKAN MULTI LAYER PERCEPTRON
PENGENALAN POLA TULISAN TANGAN AKSARA JAWA HA NA CA RA KA MENGGUNAKAN MULTI LAYER PERCEPTRON Madha Chrstan Wbowo 1) Sandy Wrakusuma 2) 1) S1 Sstem Komputer, STIKOM Surabaya, emal: madha@stkom.edu 2) S1
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciPenaksiran Parameter dari Variansi Vektor pada Pengujian Hipotesis Kesamaan Matriks Kovariansi
Vol. 3 No. 7-77 Jul 06 Penasan Paaete da Vaans Veto ada Pengujan Hotess Kesaaan Mats Kovaans Nasah Sajang Absta Vaans veto euaan salah satu uuan dses data yang ddefnsan sebaga julah da seua eleen dagonal
Lebih terperinciBAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA)
BAB TINJAUAN TEORITIS. Knsep Dasar Infes, Saluran Pernafasan, Infes Aut, dan Infes Saluran Pernafasan Aut (ISPA.. Infes Infes adalah masunya uman atau mrrgansme e dalam tubuh manusan dan berembang ba sehngga
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya
Lebih terperinciModel Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR)
JURNAL SAINS DAN SENI ITS Vol 1, No 1, (Sept 2012) ISSN: 2301-928 A-34 Model Peraalan Pasokan Energ Prer Dengan Pendekatan Metode Fuzzy Lnear Regresson (FLR) Hkayangkara Putr Purwareta, I Gust Ngurah Ra
Lebih terperinciUSULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG
Usulan Penerapan Teor Marov Dalam Pengamblan Keputusan Perawatan Tahunan Pada Pt. Pupu Kujang USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Nof Ern,
Lebih terperinciModel Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR)
JURNAL TEKNIK POMITS Vol, No, (22) -6 Model Peraalan Pasokan Energ Prer Dengan Pendekatan Metode Fuzzy Lnear Regresson (FLR) Hkayangkara Putr Purwareta, Nur Wahyunngsh 2, dan I Gust Ngurah Ra Usadha 3
Lebih terperinciPENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD
ORBITH Vl. 7 N. 3 Nvember 11: 366-37 ENGUJIAN ROORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN ENDEKATAN DISTRIBUSI BINOMIAL TERHADA DISTRIBUSI NORMAL STANDARD Oleh: Endang Tryan Staf engajar
Lebih terperinciPENGENALAN HURUF BRAILLE BERBASIS JARINGAN SYARAF TIRUAN METODA HEBBRULE
1 PENGENALAN HURUF BRAILLE BERBASIS JARINGAN SARAF TIRUAN METODA HEBBRULE un Ennggar 1, Wahyul Amen Syafe, ST, MT 2, Bud Setyono,ST,MT 2 Jurusan Teknk Elektro, Fakultas Teknk Unverstas, Dponegoro Jl. Prof.
Lebih terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
Lebih terperinciBAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)
BB 0 Mengnterpretasan Populas arabel Kanon arabel anon secara umumnya artfsal. Ja varabel awal X ( dan X ( dgunaan oefsen anon a dan b mempunya unt propors dar hmpunan X ( dan X (. Ja varabel awal yang
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kendaraan bermotor merupakan alat yang palng dbutuhkan sebaga meda transportas. Kendaraan dbag menjad dua macam, yatu kendaraan umum dan prbad. Kendaraan umum
Lebih terperinciKLASTERISASI SINYAL SUARA MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION PADA PENGEMBANGAN SISTEM PENGENALAN INDIVIDU BERBASIS SUARA UCAPAN
KLASTERISASI SINYAL SUARA MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION PADA PENGEMBANGAN SISTEM PENGENALAN INDIVIDU BERBASIS SUARA UCAPAN Abstra Nama: Moh. Bagus Had S (Nrp 1205 100 037) Dosen Pembmbng:
Lebih terperinciMODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)
Paradgma, Vol. 13 No. 2 Agustus 2009 hlm. 189 194 MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar
Lebih terperinciKlasifikasi Gangguan Jiwa Skizofrenia Menggunakan Algoritme Support Vector Machine (SVM)
Jurnal Pengebangan Teknolog Inforas dan Ilu Koputer e-issn: 2548-964X Vol. 2, No. 5, Me 2018, hl. 1866-1873 http://-ptk.ub.ac.d Klasfkas Gangguan Jwa Skzofrena Menggunakan Algorte Support Vector Machne
Lebih terperinciBab III. Plant Nonlinear Dengan Fase Nonminimum
Bab III Plant Nonlnear Dengan Fase Nonmnmum Pada bagan n dbahas mengena penurunan learnng controller untu sstem nonlnear dengan derajat relatf yang detahu Dalam hal n hanya dperhatan pada sstem-sstem nonlnear
Lebih terperinciPelabelan Total Sisi Ajaib Pada Subkelas Pohon
Pelabelan Total Ss Ajab Pada Subkelas Pohon Hlda Rzky Nngtyas, Dr Daraj, SS, MT [] Jurusan Mateatka, Fakultas MIPA, Insttut Teknolog Sepuluh Nopeber (ITS Jl Aref Rahan Hak, Surabaya 60 E-al: daraj@ateatkatsacd
Lebih terperinciPeramalan Produksi Sayuran Di Kota Pekanbaru Menggunakan Metode Forcasting
Peramalan Produks Sayuran D Kota Pekanbaru Menggunakan Metode Forcastng Esrska 1 dan M. M. Nzam 2 1,2 Jurusan Matematka, Fakultas Sans dan Teknolog, UIN Sultan Syarf Kasm Rau Jl. HR. Soebrantas No. 155
Lebih terperinciPeramalan Tingkat Suku Bunga Sertifikat Bank Indonesia Berdasarkan Data Fuzzy Time Series Multivariat
Jurna ILU DASAR, Vo. No., Ju 00: 05-05 Peraaan Tngat Suu Bunga Sertfat Ban Indonesa Berdasaran Data Fuzzy Te Seres utvarat Forecastng Interest Rate of Ban Indonesa Certfcate Based on utvarate Fuzzy Te
Lebih terperinciPEMODELAN SISTEM TANGKI-TERHUBUNG DENGAN MENGGUNAKAN MODEL FUZZY TAKAGI-SUGENO
28 MAKARA, EKOLOGI, VOL. 1, O. 1, APRIL 26: 28-33 PEMODELA SISEM AGKI-ERHUBUG DEGA MEGGUAKA MODEL FUZZY AKAGI-SUGEO Ares Subantoro Departeen Eletro, Faultas en, Unverstas Indonesa, Depo 16424, Indonesa
Lebih terperinciPENENTUAN UKURAN CONTOH OPTIMUM DESAIN TWO STAGE CLUSTER SAMPLING (Studi Kasus Pendugaan Variabel Demografi di Kabupaten Blitar)
J. Sans IPA, Aprl 009, Vol. 5, o., Hal.: 66-70 ISS 978-873 PEETUA UKURA COTOH OPTIU DESAI TWO STAGE CLUSTER SAPLIG (Stud Kasus Pendugaan Varabel Deograf d Kabupaten Bltar) Rusda Yulyant* Pusat Peneltan
Lebih terperinciIDENTIFIKASI SISTEM NONLINIER DENGAN MENGGUNAKAN RECURRENT NEURAL NETWORK DAN ALGORITMA DEAD-ZONE KALMAN FILTER
IDENIFIKASI SISEM NONLINIE DENGAN MENGGUNAKAN ECUEN NEUAL NEOK DAN ALGOIMA DEAD-ZONE KALMAN FILE ully Soelaman, angga fa Faultas enolog Informas Insttut enolog Sepuluh Nopember Kampus Keputh, Suollo, Surabaya
Lebih terperinciLucas Theorem Untuk Mengatur Penyimpanan Memori yang Lebih Aman
Lucas Theorem Untu Mengatur Penympanan Memor yang Lebh Aman Hendra Hadhl Chor (135 8 41) Program Stud Ten Informata ITB Jalan Ganesha 1, Bandung e-mal: hendra_h2c_mathematcan@yahoo.com; f1841@students.f.tb.ac.d
Lebih terperinciBAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE
BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Permasalahan Cutting Stock Satu Dimensi
A 2 LANDASAN TEORI 2. Perasalahan Cuttng Stoc Satu Dens Perasalahan Cuttng stoc erupaan suatu perasalahan ang uncul arena bana paa aplasna ala bang pernustran. Msalan ala pernustran au, bagaana eanaeen
Lebih terperinciVI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar
VI. KETIDAKPASTIAN 12 Dalam enyataan sehar-har banya masalah dduna n tda dapat dmodelan secara lengap dan onssten. Suatu penalaran dmana adanya penambahan fata baru mengabatan etdaonsstenan, dengan cr-cr
Lebih terperinciAnalitik Data Tingkat Lanjut (Regresi)
0 Oktober 206 Analtk Data Tngkat Lanut (Regres) Imam Cholssodn mam.cholssodn@gmal.com Pokok Bahasan. Konsep Regres 2. Analss Teknkal dan Fundamental 3. Regres Lnear & Regres Logstc (Optonal) 4. Regres
Lebih terperinciPEMODELAN ANGKA PUTUS SEKOLAH USIA SMA DI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPLINE MULTIVARIABEL
PEMODELAN ANGKA PUTUS SEKOLAH USIA SMA DI AWA TIMUR DENGAN PENDEKATAN REGRESI SPLINE MULTIVARIABEL Mega Pradpta, Madu Ratna, I Nyoan Budantara urusan Statstka Fakultas MIPA Insttut Teknolog Sepuluh Nopeber
Lebih terperinciHybrid intelligent system adalah kombinasi lebih dari dua teknologi cerdas.
Teny Handhayan Pendahuluan Hybrd ntellgent system adalah kombnas lebh dar dua teknolog cerdas. Contohnya kombnas Neural Network dengan Fuzzy membentuk Neuro-fuzzy system Perbandngan Expert Systems, Fuzzy
Lebih terperinciMEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM
MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam
Lebih terperinciANALISIS KONSTRUKSI DAN SIFAT BCH CODE
KNM XVI -6 Jul 202 UNPAD, Jatnangor ANALISIS KONSTRUKSI DAN SIFAT BCH CODE ACHMAD FAHRUROZI, M.SI,2, SRI MARDIYATI, M.KOM 2 Unverstas Gunadara Depok, achad.fahruroz@yahoo.co.d 2 Unverstas Indonesa Depok,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN ORI. Aljabar Matrs.. Defns Matrs Matrs adalah suatu umpulan anga-anga yang juga serng dsebut elemen-elemen yang dsusun secara teratur menurut bars dan olom sehngga berbentu perseg panjang,
Lebih terperinciMETODE LEVENBERG MARQUARDT UNTUK MASALAH KUADRAT TERKECIL NONLINEAR
PROSIDING ISBN : 978 979 6353 3 MEODE LEVENBERG MARQUARD UNUK MASALAH KUADRA ERKECIL NONLINEAR -8 Lusa Krsyat Budash Progra Stud Mateatka Unverstas Sanata Dhara Yogyakarta lusa_krs@sta.usd.ac.d Abstrak
Lebih terperinciPengaturan Proses Tekanan pada Sistem Pengaturan Berjaringan Menggunakan Kontroler Fuzzy Neural Network
Pengaturan Proses Tekanan pada Sstem Pengaturan Berjarngan Menggunakan Kontroler Fuzzy Neural Network Rende Ramadhan, 0800 Bdang Stud Sstem Pengaturan, Jurusan Teknk Elektro FTI - ITS Emal : rende.ramadhan@gmal.com
Lebih terperinciBAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode
BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat
Lebih terperinciTEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA
IndoMS Journal on Statstcs Vol, No (4), Page 39-49 TEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA Arum Handn Prmandar, Abdurahman Jurusan
Lebih terperinciANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING
Semnar Nasonal Tenolog Informas dan Multmeda 207 STMIK AMIKOM Yogyaarta, 4 Februar 207 ANALIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Sgt Kamseno ), Bara Satya 2) ), 2) Ten Informata
Lebih terperinciProsedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Prosedur Komputas untu Membentu Selang Kepercayaan Smultan Propors Multnomal S - 11 Bertho Tantular Departemen Statsta FMIPA UNPAD bertho@unpad.ac.d
Lebih terperinciPEMILIHAN VARIABEL YANG RELEVAN PADA ATURAN FUZZY MENGGUNAKAN JARINGAN SYARAF
PEMILIHAN VARIABEL YANG RELEVAN PADA ATURAN FUZZY MENGGUNAKAN JARINGAN YARAF r Kusumadew Jurusan Teknk Informatka, Fakultas Teknolog Industr Unverstas Islam Indonesa Yogyakarya emal: cce@ft.u.ac.d Abstrak
Lebih terperinciNilai Kritis Permutasi Eksak untuk Anova Satu Arah Kruskal-Wallis pada Kasus Banyaknya Sampel, k = 4
Statsta, Vo. 7 No. 2, 65 71 Nopember 27 Na Krts Permutas Esa untu Anova Satu Arah Krusa-Was pada Kasus Banyanya Sampe, = 4 Inne Maran, Yayat Karyana, dan Aceng Komarudn Mutaqn Jurusan Statsta FMIPA Unsba
Lebih terperinciPENERAPAN JARINGAN SYARAF TIRUAN UNTUK MENDETEKSI POSISI WAJAH MANUSIA PADA CITRA DIGITAL
Semnar Nasonal Aplkas Teknolog Informas 2005 (SNATI 2005) ISBN: 979-756-061-6 Yogyakarta, 18 Jun 2005 PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MENDETEKSI POSISI WAJAH MANUSIA PADA CITRA DIGITAL Setyo Nugroho
Lebih terperinciJurnal Pendidikan Matematika & Matematika
Jurnal Penddkan Mateatka & Mateatka Syasah. (2011). Pengaruh Puasa Terhadap Konsentras Belajar Sswa. Jakarta: UIN Syarf Hdayatullah Jakarta. Thabrany, Hasbullah. (1995). Rahasa Sukses Belajar. Jakarta:
Lebih terperinciKEANDALAN SISTEM PEMBANGKIT LISTRIK TENAGA DIESEL DI KABUPATEN MERAUKE-PAPUA
Jurnal Ilah Mustek An Ha Vol. 4 o. 3, Deseber 2015 KEADALA SISTEM PEMBAGKIT LISTRIK TEAGA DIESEL DI KABUPATE MERAUKE-PAPUA Johan Kar Eal: Joka_joka73@yahoo.co, papeda99@yahoo.co.d Jurusan Teknk Elektro,
Lebih terperinciMETODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND
METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND Rully Soelaman, Suc Hatnng Rn dan Dana Purwtasar Faultas Tenolog Informas, Insttut Tenolog Sepuluh Nopember (ITS), Surabaya, 60, Indonesa
Lebih terperinciREKONSTRUKSI CITRA KAIN ENDEK BERDASARKAN FITUR TEKSTUR DALAM TEMU KEMBALI INFORMASI CITRA BERBASIS KONTEN
Jurnal Ilah ILMU KOMPUTER Unverstas Udayana Vol. 9, No., Aprl 206 ISSN 979-566 REKONSTRUKSI CITRA KAIN ENDEK BERDASARKAN FITUR TEKSTUR DALAM TEMU KEMBALI INFORMASI CITRA BERBASIS KONTEN I Gust Agung Gede
Lebih terperinciSTATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil
Bab 7 STATISTIKA A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR Kompetens Dasar Setelah mengut pembelajaran n sswa mampu:. Menghayat dan mengamalan ajaran agama yang danutnnya. 2. Meml motvas nternal, emampuan
Lebih terperinciARUS BOLAK BALIK V R. i m
Modul 9 Elektroagnet KEGIATAN BEAJA A. ANDASAN TEOI AUS BOAK BAIK Arus dan tegangan lstrk bolak balk adalah arus dan tegangan lstrk yang berubah terhadap waktu atau erupakan fungs waktu. Yang berubah adalah
Lebih terperinciIII FUZZY GOAL LINEAR PROGRAMMING
7 Ilustras entu hmpunan fuzzy dan fungs eanggotaannya dapat dlhat pada Contoh 3. Contoh 3 Msalan seseorang dataan sudah dewasa ja erumur 7 tahun atau leh, maa dalam loga tegas, seseorang yang erumur urang
Lebih terperinciPenerapan Metode Runge-Kutta Orde 4 dalam Analisis Rangkaian RLC
Penerapan Metode Runge-Kutta Orde 4 dalam Analss Rangkaan RLC Rka Favora Gusa JurusanTeknk Elektro,Fakultas Teknk,Unverstas Bangka Beltung rka_favora@yahoo.com ABSTRACT The exstence of nductor and capactor
Lebih terperinciBab VII Contoh Aplikasi
Bab VII Contoh Aplkas Dala bab n akan dberkan lustras tentang aplkas statstk penguj VVVS dala eontor kestablan atrks korelas pada proses produks dudukan kabel tegangan tngg (flange) d PT PINDAD (Persero).
Lebih terperinciAPLIKASI FUZZY NEURAL NETWORK (FNN) PADA SISTEM KONTROL DENGAN WAKTU TUNDA
APLIKASI FUZZY NEURAL NETWORK (FNN) PADA SISTEM KONTROL DENGAN WAKTU TUNDA Mukhtar Hanaf Program Stud Teknk Informatka Unverstas Muhammadah Magelang Jl. Maend. Bambang Soegeng Km.5 Mertoudan Magelang 56172
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinciMODUL ANALISIS PENGUKURAN FISIKA. Disusun Oleh: Kuncoro Asih Nugroho, M.Pd., M.Sc.
MODUL ANALISIS PENGUKURAN FISIKA Dsusun Oleh: Kuncoro Ash Nugroho, M.Pd., M.Sc. JURUSAN PENDIDIKAN FISIKA FAKULTAS MATEMATIKAN DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI YOGYAKARTA YOGYAKARTA BAB I METODE
Lebih terperinciPERBANDINGAN UNJUK KERJA ALGORITMA PSO DAN ALGORITMA ABCO PADA OPTIMASI PENGENDALI PID (Studi Kasus Pada Model Motor DC)
SEMINAR NASIONAL ke 8 Tahun 2013 : Rekayasa Teknolog Industr dan Inforas PERBANDINGAN UNJUK KERJA ALGORITMA PSO DAN ALGORITMA ABCO PADA OPTIMASI PENGENDALI PID (Stud Kasus Pada Model Motor DC Dw Ana Ratna
Lebih terperinciOptimasi Baru Program Linear Multi Objektif Dengan Simplex LP Untuk Perencanaan Produksi
JURNA INFORMATIKA, Vol.4 No.2 September 27, pp. 222~229 ISSN: 2355-6579 E-ISSN: 2528-2247 222 Optmas Baru Program near Mult Objetf Dengan Smplex P Untu Perencanaan Produs Maxs Ary Am BSI Bandung e-mal:
Lebih terperinciPEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION
PEMODELAN INGKA KERAWANAN DEMAM BERDARAH DENGUE DI KABUPAEN LAMONGAN DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION Marsa Rfada 1, Purhad 1) Mahasswa Magster Jurusan Statsta, Insttut
Lebih terperinciJDS, Jilid II No. 2, Oktober 2016
JDS, Jld II No. 2, Otober 2016 ANALISIS SISTE TENAGA LISTRIK SULAWESI DENGAN PENDEKATAN SEKURITI PEBEBANAN. YUSRI ABABUNGA Seolah Tngg Ten Dharayad aassar Faultas Ten, Jurusan Ten Eletro Eal : ababungayusr@gal.co
Lebih terperinciESTIMASI INTERVAL SPLINE DALAM REGRESI NONPARAMETRIK
Tess ESTIMASI INTERVAL SPLINE DALAM REGRESI NONPARAMETRIK Oleh : MUHAMMAD NAFI NRP.304008 PROGRAM PASCASARJANA PROGRAM STUDI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI
Lebih terperinciAPLIKASI JARINGAN SARAF TIRUAN REKUREN PADA IDENTIFIKASI SISTEM NONLINIER DENGAN ALGORITMA OPTIMAL BOUNDED ELLIPSOID
APLIKASI JARINGAN SARAF IRUAN REKUREN PADA IDENIFIKASI SISEM NONLINIER DENGAN ALGORIMA OPIMAL BOUNDED ELLIPSOID Rully Soelaman, Mohammad Azs Efend Faultas enolog Informas, Insttut enolog Sepuluh Nopember
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 1-10, April 2001, ISSN :
JURNAL MATEMATIKA DAN KOMUTER Vol.. No., -, Aprl, ISSN : -88 ENDEKATAN RERESI OLINOMIAL ORTHOONAL ADA RANCANAN DUA FAKTOR (DENAN ALIKASI SAS DAN MINITAB) Tat Wharh Jurusan Matemata FMIA UNDI Abstra eneatan
Lebih terperinci