PREDIKSI KELULUSAN MAHASISWA DENGAN JARINGAN SYARAF TIRUAN
|
|
- Leony Budiman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Ansari Predisi Kelulusan Mahasiswa Dengan Jaringan Syaraf Tiruan PREDIKSI KELULUSAN MAHASISWA DENGAN JARINGAN SYARAF TIRUAN Rudy Ansari STMIK Indonesia Banarmasin ABSTRAK Kelulusan mahasiswa menadi salah satu tola uur dalam pengambilan ebiaan manaemen perguruan tinggi. Dapat memperiraan elulusan mahasiswa setiap tahunnya sangat diperluan untu dietahui oleh piha perguruan tinggi. Dari itu, maalah ini mencoba menerapan algoritma aringan syaraf tiruan dalam mempredisi elulusan mahasiswa, metode yang dipilih untu digunaan adalah metode bacpropagation. Metode ini banya digunaan peneliti ahir ahir ini dalam mempredisi suatu masalah. Data sampel dalam penerapan algoritma ini adalah data mahasiswa mulai angatan 2010 sampai dengan angatan tahun Dengan 3 output yaitu lulus terlambat, cepat dan tida tepat watu. Dari hasil pembelaaran algoritma yang digunaan, di dapat hasil aurasi yang bai dengan arsitetur yang terbentu adalah pola Kata unci: aringan syaraf tiruan, bacpropagation, aurasi ABSTRACT Graduation became a benchmar in the policy maing college management. Can estimate the graduation students annually is needed to be nown by the university. Moreover, this paper attempts to apply neural networ algorithms in predicting graduation, the selected method to be used is the method of propagation. This method is widely used in the researchers predict a problem. The sample data in the application of this algorithm is data the students began class of 2010 up to With the third generation output is passed late, fast and timely. From the results of the learning algorithm used obtained good accuracy results with the architecture of the pattern formed is Keywords: artificial neural networ, bacpropagation, accuracy I. PENDAHULUAN Semain etatnya persaingan masing-masing perguruan tinggi dalam menceta mahasiswa yang berompeten dan berualitas sehingga menuntut perguruan tinggi tersebut untu memperbaii sistem dan ualitasnya menadi lebih bai lagi, dimana salah satu masalah dalam sistem ialah apabila ada beberapa mahasiswa yang terlambat lulus atau tida tepat pada watunya sehingga menadi endala untu emauan suatu sistem untu pengangatan mutu dan ualitas dari suatu perguruan tinggi tersebut. Apabila suatu sistem dapat memperiraan atau mempredisi suatu mahasiswa lulus tepat, cepat dan terlambat aan sangat mempermudah suatu sistem yang ada di ampus untu perancangan bagi mahasiswa tersebut. Jia suatu predisi dapat aurat untu suatu aademi dapat digunaan untu mendapatan pemahaman tentang resio fator dari suatu uriulum. Pemahaman esadaran dari para pengaar, pendidian secara personil dan manaemen aademi sehingga dapat membantu untu memilih langah yang tepat dalam segala resio yang ada dan ahirnya aan menghasilan penurunan tingat drop out (Deer, Para pembuat uriulum dapat menggunaan hasil predisi untu menyelarasan perubahan dari uriulum dan mengevaluasi efe dari perubahan tersebut. Penasehat aademi dapat meruu e hasil predisi etia memberian nasehat epada para mahasiswa yang terdetesi emunginan terlambat lulus sehingga tindaan pencegahan dapat diambil lebih awal. Di samping itu, seorang instrutur atau para pengaar dapat lebih meningatan mengaar dan pendeatan pembelaaran, serta intervensi merencanaan dan layanan duungan bagi mahasiswa (Affendey, Paris, Mustapha, Sulaiman, & Muda, Predisi lama studi dibutuhan oleh manaemen perguruan tinggi dalam menentuan ebiaan preventif terait pencegahan dini asus Drop Out (DO. Predisi ini bertuuan untu menentuan fator aademis yang berpengaruh terhadap masa studi dan membangun model predisi terbai dengan teni data mining (Meinanda, Annisa, Muhandri, & Suryadi. Aurasi mempredisi mahasiswa berguna di banya ontes yang berbeda di perguruan tinggi. Sebagai contoh, mengedintifiasi siswa luar biasa untu beasiswa merupaan bagian penting dari penerimaaan proses sarana dan pascasarana lembaga, dan siswa yang lemah mengidentifiasi yang mungin gagal adalah uga penting untu mengaloasian sumber daya les terbatas (Nghe, Janece, & Haddawy, Dari berbagai penelitian dan urnal diatas terdapat banya manfaat bagi aademi atau suatu perguruan tinggi untu mempredisian mahasiswa untu lulus tepat, cepat dan terlambat. Pemodelan preditif mengacu pada tugas membangun model untu variable target sebagai fungsi dari variabel penelas. dua enis tugas pemodelan preditif adalah lasifiasi,yang digunaan untu variable ontinyu sasaran. Tuuan tugas adalah untu mempelaari model yang meminimalan esalahan antara nilai predisi dan benar dari variable sasaran (Affendey, Paris, Mustapha, Sulaiman, & Muda, Artificial Neural Networ (ANN atau aringan syaraf tiruan sea diperenalan pada seitar tahun 1940 telah banya diimplementasian pada berbagai bidang eilmuan. Jaringan syaraf tiruan banya digunaan untu melauan predisi atau 1
2 JTIULM - Volume 1, Nomor 1, Januari-Juni 2016: peramalan (Meinanda, Annisa, Muhandri, & Suryadi. Salah satu algoritma pembelaaran yang cuup aurat adalah dengan algoritma pembelaaran Bacpropagation. Sehingga dalam mempredisi elulusan mahasiswa bisa lebih aurat. II. METODE PENELITIAN Maalah ini disusun melalui tahapan-tahapan sebagai beriut: 1. Penentuan Masalah Penelitian Masalah dapat disimpulan bahwa Algoritma BacPropagation aringan syaraf tiruan dapat digunaan untu mempredisi suatu permasalahan yang ada yaitu tentang elulusan mahasiswa. Sedangan pertanyaan penelitian adalah: Bagaimana aringan syaraf tiruan dengan algoritma pembelaaran Bacpropagation lebih aurat dalam menentuan predisi elulusan mahasiswa?. 2. Penentuan Pendeatan Komputasi Pendeatan omputasi yang aan digunaan dalam maalah ini adalah algoritma pembelaaran Bacpropagation aringan syaraf tiruan dimana sampel data dari maalah ini adalah data mahasiswa yang dibagi menadi data ui angatan 2010 sampai 2011 dan data testing dari angatan 2012 sampai Pengembangan Sistem Maalah ini aan mengembangan predisi elulusan mahasiswa yang terlambat, tepat, dan cepat. 4. Penerapan Metode Metode algoritma pembelaaran Bacpropagation aan diterapan untu predisi elulusan mahasiswa.. 5. Evaluasi dan Validasi Hasil Penerapan Evaluasi dilauan dengan mengamati hasil predisi. Validasi dilauan dengan menguur tingat aurasi dari predisi tersebut. 6. Kesimpulan Menari esimpulan dari eseluruhan proses penyusunan dan penguian hasil predisi. A. 2.1 Data Mining Istilah data mining memilii beberapa padanan, seperti nowledge discovery ataupun pattern recognition.kedua istilah tersebut sebenarnya memilii etepatannya masing-masing.istilah nowledge discovery atau penemuan pengetahuan tepat digunaan arena tuuan utama dari data mining memang untu mendapatan pengetahuan yang masih tersembunyi di dalam bongahan data.istilah pattern recognition atau pengenalan pola uga tepat untu digunaan arena pengetahuan yang digali dari dalam bongahan data yang tengah dihadapi.bila dalam tulisan ini digunaan istilada data mining, hal ini lebih didasaran pada lebih populernya istilah tersebut dalam egiatan penggalian pengetahuan data.namun demiian, istilah ini memilii haiat (notion sebagai disiplin ilmu yang tuuan utamanya adalah untu menemuan, menggali, atau menambang pengetahuan dari data atau informasi yang ita milii.kegiatan inilah yang menadi garapan atau perhatian utama dari disiplin ilmu data mining (Susanto & Suryadi, Data mining merupaan analisis dari peninauan umpulan data untu menemuan hubungan yang tida diduga dan meringas data dengan cara yang berbeda dengan sebelumnya, yang dapat dipahami dan bermanaat bagi pemili data. Data mining merupaan bidang dari beberapa bidang eilmuan yang menyatuan teni dari pembelaaran mesin, mengenal pola, statisti, database, dan visualisasi untu penanganan permasalahan pengambilan informasi dari database yang besar (Larose D. T.. B. 2.2 Jaringan Syaraf Tiruan Jaringan saraf tiruan adalah model non-linear yang omples, dibangun dari omponen yang secara individu berperilau mirip dengan model regresi. Jaringan syaraf tiruan dapat divisualisasian sebagai grafi, dan beberapa sub-grafi mungin ada perilau yang sama dengan gerbang logia. Mesipun strutur dari aringan saraf secara esplisit dirancang terlebih dahulu, pengolahan bahwa aringan tida untu menghasilan hipotesis (berbagai gerbang logia dan pengolahan lainnya terstrutur dalam aringan berembang selama proses pembelaaran. Hal ini memunginan neuron yang membentu aringan aan digunaan sebagai pemecahan maslah dari "program itu sendiri" (Cowan, C. 2.3 Algoritma pembelaaran Bacpropogation Dalam bacpropagation terdapat beberapa langah-langah untu menyelesaian masalahnya, dimana ciri dari metode ini adalah meminimalan error pada output yang dihasilan oleh aringan. Bacpropagation disebut uga sebagai Multilayer Neural Networ sehingga terdri dari beberapa layer yaitu input layer, hidden layer, dan output layer dan pada setiap layer terdapat satu atau lebih artificial neuron (Budhi ST., MT., Gunawan ST., & Jaowry ST.. 2
3 Ansari Predisi Kelulusan Mahasiswa Dengan Jaringan Syaraf Tiruan Output Layer Hidden Layer Input Layer x 1 u 11 y 1 b 1 w 11 u 1 u l1 v 11 v 1l a v1 v v l 1 1 a v v v il v i i1 a i w 1 w 1i b l Gambar 1 Arsitetur aringan syaraf tiruan Pelatihan dengan metode bacpropagation terdiri dari tiga langah, yaitu: Data dimasuan e input aringan (feedforward Perhitungan dan propagasi bali dari error yang bersangutan Pembaharuan (adustment bobot dan bias Secara detail, langah-langah pelatihan Bacpropagation adalah sebagai beriut: Langah 0 : Inisialisasi bobot dan bias Bai bobot maupun bias dapat diset dengan sembarang anga(acadan biasanya anga diseitar 0 dan 1 atau -1(bias positif atau negatif. Langah 1 :Jia stopping condition belum dipenuhi, maa langah 2-9 dialanan Langah 2 :Data training, lauan langah 3-8. Umpan Mau (Feedforward Langah 3 : Tiap unit input (xi, i=1,..,n menerima isyarat masuan xi dan diterusan e unit-unit tersembunyi (hidden unit Langah 4 : Tiap unit tersembunyi (z, z=1,.,p menumlahan bobot sinyal input dan biasnya. w n1 w n u 1m u lm b y m u 1 w ni x n z _ in = vo eluaran dari lapisan unit yang tersembunyi menerpaan fungsi ativasi hitung: + n i= 1 x v i i (1 z = f ( z _ in Langah 5 : Tiap unit eluaran (y, =1,..,m menumlahan isyarat masuan berbobot dengan menerpaan fungsi ativasi hitung : (2 y _ in = wo + p = 1 z w (3 y = f ( y _ in (4 Perambatan Galat Mundur (Bacpropagation Langah 6 : Tiap unit eluaran (y, =1,..,m menerima pola pelatihan masuannya. Hitung galat (error informasinya: Untu menghitung oresi bobot: δ = ( t y f '( y _ in Δw = αδ z (5 (6 3
4 JTIULM - Volume 1, Nomor 1, Januari-Juni 2016: dan biasnya: Δwo = αδ (7 Langah 7 : Tiap unit tersembunyi (z, z=1,.,p menumlahan delta masuannya (dari unit-unit yang berada pada lapisan atasannya. Hitung galat (error informasinya : Hitung oresi bobot m δ _ in = δ w = 1 δ = δ _ in Δv i = αδ x f '( z _ in i (8 (9 (10 dan biasnya : Δvo = αδ (11 Langah 8 : Tiap unit eluaran (y, =1,..,m memperbaharui bobot dan bias ( =0,1,..p Tiap unit tersembunyi (z, z=1,.,p memperbaharui bobot dan biasnya (i=0,1,..n w ( baru = w ( lama + Δw v ( baru = v ( lama + Δv i i i (12 (13 Langah 9 : Ui syarat berhenti III. HASIL DAN PEMBAHASAN Data Sampel adalah data mahsiswa STMIK Indonesia Banarmasin dengan parameter terdiri dari NRP, Nama, Tempat Lahir, Tanggal Lahir, Umur, Pengambilan banyanya SKS persemester, IPK persemester, rata-rata IPK antara semester 1 sampai dengan semester 4. Untu penguiannya menggunaan Software data mining yaitu Rapidminer, untu ui pertama melalui data sample yaitu data angatan 2006, pada bagian NRP, NAMA, Tempat Lahir dan Tanggal Lahir aan dihilangan untu mendapatan aurasi yang lebih tinggi, pada bagian Lulus atau eterangan untu lulus ada 3 ategori yaitu cepat, tepat, terlambat diadian sebagai label dalam rapidminer sehingga untu hasilnya menggunaan software rapidminer bisa dilihat pada gambar dibawah: Gambar 2 Data ui hasil predisi 4
5 Ansari Predisi Kelulusan Mahasiswa Dengan Jaringan Syaraf Tiruan Gambar 3 Data testing hasil predisi Dari hasil penerapan algoritma bacpropagation aringan syaraf tiruana didapatan aurasi predisi sebesar 92,49%. Gambar 4 Hasil aurasi predisi Dan arsitetur aringan yang terbentu dari hasil pelatihan data tersebut di dapat aristetur aringan Gambar 5 Hasil arsitetur aringan syaraf tiruan predisi elulusan mahasiswa IV. KESIMPULAN Maalah ini meneliti penggunaan algoritma bacpropagation aringan syaraf tiruan untu mempredisi elulusan mahasiswa. Metode aringan syaraf tiruan menghasilan aurasi sebesar 92,49%, dengan input 12, hidden layer 9 dan output 3. Dari hasil tersebut bisa diatan bahwa metode aringan syaraf tiruan dapat menghasilan aurasi cuup tinggi untu masalah predisi. 5
6 JTIULM - Volume 1, Nomor 1, Januari-Juni 2016: REFERENSI [1] Gerben K. Deer, "Predicting students drop out: a case study," April [2] L.S. Affendey, I.H.M Paris, N. Mustapha, Md. Nasir Sulaiman, and Z. Muda, "Raning of Influencing Factors in Predicting Students Academic Performance," [3] Muhamad Hanief Meinanda, Metri Annisa, Narendi Muhandri, and Kadarsyah Suryadi, "Predisi Masa Studi Sarana Dengan Artificial Neural Networ". [4] Nguyen Thai Nghe, Paul Janece, and Peter Haddawy, "A Comprative Analysis of Techniques for Predicting Academic Performance," [5] Sani Susanto and Dedy Suryadi, Pengantar Data Mining : Menggali Pengetahuan Dari Bongahan Data. Yogyaarta: Andi, [6] Daniel T. Larose, Discovering Knowledge in Data. [7] Mar K Cowan, Machine Learning.: Stanford University, [8] Gregorius S. Budhi ST., MT., Ibnu Gunawan ST., and Steven Jaowry ST., "Metode Jaringan Saraf Tiruan Bacpropagation untu Pengenalan Huruf Ceta pada Citra Digital". 6
BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK
BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belaang Di aman searang sebuah adal yang tersusun rapi merupaan ebutuhan bagi setiap individu. Namun masalah penyusunan sebuah adal merupaan sebuah masalah umum yang teradi,
Lebih terperinciPENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Wahyudi, Sorihi, dan Iwan Setiawan. Jurusan Teni Eletro Faultas Teni Universitas Diponegoro Semarang e-mail : wahyuditinom@yahoo.com.
Lebih terperinciPENDETEKSIAN GERAK TANGAN MANUSIA SEBAGAI INPUT PADA KOMPUTER
PENDETEKSIAN GERAK TANGAN MANUSIA SEBAGAI INPUT PADA KOMPUTER Wiaria Gazali 1 ; Haryono Soeparno 2 1 Jurusan Matematia, Faultas Sains dan Tenologi, Universitas Bina Nusantara Jln. K.H. Syahdan No. 9, Palmerah,
Lebih terperinciANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS
Jurnal Teni dan Ilmu Komputer ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS AN ANALYSIS OF THE VARIATION PARAMETERS OF THE ARTIFICIAL NEURAL NETWORK
Lebih terperinciAnalisa Drop Tegangan dan Susut Daya pada Jaringan Listrik Penyulang Renon Menggunakan Metode Artificial Neural Network
Analisa Drop Tegangan dan Susut Daya pada Jaringan Listri Penyulang Renon Menggunaan Metode Artificial Neural Networ I Gede Dyana Arana Jurusan Teni Eletro Faultas Teni, Universitas Udayana Denpasar, Bali,
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1 Keranga Pemiiran Pemerintah ahir-ahir ini sering dihadapan pada masalah persediaan pupu bersubsidi yang daya serapnya rendah dan asus elangaan di berbagai loasi di Indonesia.
Lebih terperinciISSN: TEKNOMATIKA Vol.1, No.2, JANUARI
ISSN: 1979-7656 TEKNOMATIKA Vol.1, No.2, JANUARI 2009 25 PERANCANGAN DAN IMPLEMENTASI JARINGAN SYARAF TIRUAN UNTUK MENDIAGNOSA JENIS PENYAKIT KANDUNGAN Bambang Yuwono Jurusan Teni Informatia UPN Veteran
Lebih terperinciPREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION
Konferensi Nasional Sistem dan Informatia 2008; Bali, November 5, 2008 PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION Wahyudi Setiawan
Lebih terperinci1. Pendahuluan Jaringan syaraf tiruan ( Artificial Neural Networ ) adalah suatu tenologi omputasi yang berbasis pada model syaraf biologis dan mencoba
JARINGAN SYARAF TIRUAN BACKPROPAGATION SEBAGAI METODE PERAMALAN PADA PERHITUNGAN TINGKAT SUKU BUNGA PINJAMAN DI INDONESIA Nurmalasari Rusmiati 1 Sistem Informasi, Faultas Ilmu Komputer, Universitas Gunadarma
Lebih terperinciSistem Pendukung Keputusan Penerima Beasiswa SMK Menggunakan Metode Backpropagation
Seminar Nasional e 9: Reayasa Tenologi Industri dan Informasi Sistem Penduung Keputusan Penerima Beasiswa SMK Menggunaan Metode Bacpropagation Teti Rohaeti 1, Yoyon Kusnendar Suprapto 2, Eo Mulyanto 3
Lebih terperinciJARINGAN SARAF TIRUAN PROPAGASI BALIK UNTUK KLASIFIKASI DATA
JARINGAN SARAF TIRUAN PROPAGASI BALIK UNTUK KLASIFIKASI DATA Giri Dhaneswara 1) dan Veronica S. Moertini 2) Jurusan Ilmu Komputer, Universitas Katoli Parahyangan, Bandung Email: 1) rebirth_82@yahoo.com,
Lebih terperinciPENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN
PENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN Amethis Otaorora 1, Bilqis Amaliah 2, Ahmad Saihu 3 Teni Informatia, Faultas Tenologi
Lebih terperinciMODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM
MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM 1,2 Faultas MIPA, Universitas Tanjungpura e-mail: csuhery@sisom.untan.ac.id, email: dedi.triyanto@sisom.untan.ac.id Abstract
Lebih terperinciSistem Peramalan Jumlah Produksi Air PDAM Samarinda Menggunakan Jaringan Syaraf Tiruan Backpropagation
Sistem Peramalan Jumlah Produsi Air PDAM Samarinda Menggunaan Jaringan Syaraf Tiruan Bacpropagation Anindita Septiarini 1 dan Nur Sya baniah 2 1 Program Studi Ilmu Komputer FMIPA, Universitas Mulaarman
Lebih terperinciARSITEKTUR DAN ALGORITMA JST UNTUK MENDUKUNG PREDIKSI GANGGUAN GEOMAGNET
Prosiding SNaPP2012 : Sains, Tenologi, dan Kesehatan ISSN 2089-3582 ARSITEKTUR DAN ALGORITMA JST UNTUK MENDUKUNG PREDIKSI GANGGUAN GEOMAGNET 1 John Maspupu 1 Pussainsa LAPAN, Jl Dr Dundunan No 133 Bandung
Lebih terperinciKLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE
KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE Warih Maharani Faultas Teni Informatia, Institut Tenologi Telom Jl. Teleomuniasi No.1 Bandung 40286 Telp. (022) 7564108
Lebih terperinciANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK PADA SISTEM PENGENALAN WAJAH BERBASIS PRINCIPAL COMPONENT ANALYSIS
ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK PADA SISTEM PENGENALAN WAJAH BERBASIS PRINCIPAL COMPONENT ANALYSIS 1 Ihwannul Kholis, 2 Ahmad Rofii. 1 Universitas 17 Agustus 1945 Jaarta,
Lebih terperinciDany Candra Febrianto ) dan Hindayati Mustafidah )
Penerapan Jaringan Saraf Tiruan dengan Metode Pembelaaran Bacpropagation untu Mengetahui Tingat Kualifiasi Calon Siswa pada Sistem Informasi Penerimaan Siswa Baru di MAN 2 Banarnegara (Application of Artificial
Lebih terperinciNeural Network menyerupai otak manusia dalam dua hal, yaitu:
2.4 Artificial Neural Networ 2.4.1 Konsep dasar Neural Networ Neural Networ (Jaringan Saraf Tiruan) merupaan prosesor yang sangat besar dan memilii ecenderungan untu menyimpan pengetahuan yang bersifat
Lebih terperinciSistem Informasi Peramalan Beban Listrik Jangka Panjang di Kabupaten Jember Menggunakan JST Backpropagation
1 Sistem Informasi Peramalan Beban Listri Janga Panang di Kabupaten Jember Menggunaan JST Bacpropagation Dodi Setiabudi Abstra Kebutuhan energi listri sebagai salah satu infrastrutur penting sangat diutamaan.
Lebih terperinciSISTEM PENGENALAN WAJAH DENGAN MENGGUNAKAN BACKPROPAGATION ARTIFICIAL NEURAL NETWORK DAN PRINCIPAL COMPONENT ANALYSIS
Jurnal Teni dan Ilmu Komputer SISTEM PENGENALAN AJAH DENGAN MENGGUNAKAN BACKPROPAGATION ARTIFICIAL NEURAL NETORK DAN PRINCIPAL COMPONENT ANALYSIS FACE RECOGNITION SYSTEM USING BACKPROPAGATION ARTIFICIAL
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MERAMALKAN BEBAN PEMAKAIAN AIR PADA PDAM KOTA BANDUNG
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MERAMALKAN BEBAN PEMAKAIAN AIR PADA PDAM KOTA BANDUNG Oleh : M.Rizi.H.S, Andri Heryandi,S.T, Bambang Siswoyo,Ir,M.Si Jl. Dipati Uur Bandung Teni Informatia Universitas
Lebih terperinciTEKNIK PERAMALAN TINGKAT PENJUALAN DENGAN JARINGAN SYARAF TIRUAN
TENI PERAMALAN TINGAT PENJUALAN DENGAN JARINGAN SYARAF TIRUAN Sri Mulyana Program Studi Ilmu omputer F MIPA UGM Seip Unit III Yogyaarta Telp (0274)546194 e-mail : smulyana@ugm.ac.id Abstra Tingat penualan
Lebih terperinciPENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB
PENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB Wirda Ayu Utari Universitas Gunadarma utari.hiaru@gmail.com ABSTRAK Program pengenalan pola ini merupaan program yang dibuat
Lebih terperinciModel Pembelajaran Off-Line Menggunakan Jaringan Syaraf Tiruan Untuk Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teknik Elektronika PENS 2009
Model Pembelaaran Off-Line Menggunaan Jaringan Syaraf Tiruan Untu Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teni Eletronia PENS 2009 Arie Setya Wulandari#, Eru Puspita S.T., M.Kom#2 # Jurusan
Lebih terperinciBAB V ALGORITMA PEMBELAJARAN DALAM JARINGAN SYARAF TIRUAN
BAB V ALGORITMA PEMBELAJARAN DALAM JARINGAN SYARAF TIRUAN Kompetensi : 1. Mahasiswa memahami onsep pembelaaran dalam JST Sub Kompetensi : 1. Dapat mengetahui prinsip algoritma Perceptron 2. Dapat mengetahui
Lebih terperinciMakalah Seminar Tugas Akhir
Pengaturan Kecepatan Motor DC Menggunaan Jaringan Syaraf Tiruan Feedforward Bacpropagation Sorihi *, Wahyudi **, Iwan Setiawan ** Abstra - Jaringan syaraf bacpropagation merupaan aringan syaraf yang telah
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 Latar Belaang PENDAHULUAN Sistem biometri adalah suatu sistem pengenalan pola yang melauan identifiasi personal dengan menentuan eotentian dari arateristi fisiologis dari perilau tertentu yang dimilii
Lebih terperinciAPLIKASI ARTIFICIAL NEURAL NETWORK UNTUK PERAMALAN ALIRAN SUNGAI BLEGA ABSTRACT
APLIKASI ARTIFICIAL NEURAL NETWORK UNTUK PERAMALAN ALIRAN SUNGAI BLEGA Manyu Fauzi, Minarni Nur Trilita Mahasiswa S3 MRSA, Jurusan Teni Sipil-ITS dan Pengaar Jurusan Teni Sipil Univ. Riau Mahasiswa S3
Lebih terperinciSISTEM PENGENAL WAJAH DENGAN JARINGAN SYARAF TIRUAN
SISTEM PENGENAL WAJAH DENGAN JARINGAN SYARAF TIRUAN Julian Supardi, Rz. Abdul Aziz, Syepriansyah Seolah Tggi Manaemen Informatia dan Komputer Darmaaya Jl. Z.A Pagar Alam No. 93 Bandar Lampung Indonesia
Lebih terperinciMAKALAH SEMINAR TUGAS AKHIR
1 MAKALAH SEMINAR TUGAS AKHIR PENGENALAN POLA GEOMETRI WAJAH MENGGUNAKAN JARINGAN SYARAF TIRUAN PERAMBATAN BALIK Muhamad Tonovan *, Achmad Hidayatno **, R. Rizal Isnanto ** Abstra - Pengenalan waah adalah
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Penjadwalan 2.1.1 Jadwal Secara Umum Menurut Kamus Besar Bahasa Indonesia (KBBI), jadwal adalah pembagian watu berdasaran rencana pengaturan urutan erja, daftar atau tabel egiatan
Lebih terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Departemen
Lebih terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Program
Lebih terperinciANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)
Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI FJLB (FINGER JOINT LAMINATING BOARD)
Lebih terperinciPERAMALAN CURAH HUJAN WILAYAH SEMARANG BARAT DENGAN ALGORITMA RESILIENT BACKPROPAGATION
PERAMALAN CURAH HUJAN WILAYAH SEMARANG BARAT DENGAN ALGORITMA RESILIENT BACKPROPAGATION Wellie Sulistanti Abstract- Tuuan dari penelitian ini untu mengapliasian cara era aringan syaraf tiruan dengan menggunaan
Lebih terperinciBAB 2 LANDASAN TEORI. relevan, lengkap, dan terkini sejalan dengan permasalahan yang dihadapi. Di sini juga
BAB 2 LANDASAN TEORI Dalam landasan teori ini, pada dasarnya aan dielasan mengenai teori yang relevan, lengap, dan terini sealan dengan permasalahan yang dihadapi. Di sini uga terdapat hubungan antara
Lebih terperinciKAJIAN PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE FACE-ARG DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
Media Informatia, Vol. 5, No. 2, Desember 2007, 99-111 ISSN: 0854-4743 KAJIAN PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE FACE-ARG DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Anita Desiani Jurusan Matematia,
Lebih terperinciPERAMALAN KURS RUPIAH TERHADAP DOLAR DENGAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK ANIZZA RESTRA PUSPARIANTI
PERAMALAN KURS RUPIAH TERHADAP DOLAR DENGAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK ANIZZA RESTRA PUSPARIANTI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciAKURASI MODEL PREDIKSI METODE BACKPROPAGATION MENGGUNAKAN KOMBINASI HIDDEN NEURON DENGAN ALPHA
AKURASI MODEL PREDIKSI METODE BACKPROPAGATION MENGGUNAKAN KOMBINASI HIDDEN NEURON DENGAN ALPHA Aris Puji Widodo, Suhartono 2, Eo Adi Sarwoo 3, dan Zulfia Firdaus 4,2,3,4 Departemen Ilmu Komputer/Informatia,
Lebih terperinciPENGENALAN KARAKTER TULISAN TANGAN DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK RESILIENT
PENGENALAN KARAKTER TULISAN TANGAN DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK RESILIENT Oleh : DONNY WAHYU SAPUTRO G06499031 DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang
Lebih terperinciPENGENALAN TEKS BRAILLE BERBASIS JARINGAN SYARAF TIRUAN FEEDFORWARD MULTILAYER DENGAN MENGGUNAKAN METODE BACK PROPAGATION
1 MAKALAH SEMINAR TUGAS AKHIR PENGENALAN TEKS BRAILLE BERBASIS JARINGAN SYARAF TIRUAN FEEDFORWARD MULTILAYER DENGAN MENGGUNAKAN METODE BACK PROPAGATION Praditya Firmansyah *, Wahyul Amien Syafei**, Iwan
Lebih terperinciPENGENALAN KAPAL PADA CITRA DIGITAL MENGGUNAKAN IMAGE PROCESSING DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENALAN KAPAL PADA CITRA DIGITAL MENGGUNAKAN IMAGE PROCESSING DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Sutino 1, Helmie Arif Wibawa 2, Priyo Sidi Sasongo 3 123 Jurusan Ilmu Komputer/Informatia, FSM,
Lebih terperinciPENGEMBANGAN PERANGKAT LUNAK BERBASIS JARINGAN SYARAF TIRUAN UNTUK PERAMALAN BEBAN LISTRIK JANGKA PENDEK (STUDI KASUS DI PT.PLN AREA DISTRIBUSI JABAR)
PENGEMBANGAN PERANGKAT LUNAK BERBASIS JARINGAN SYARAF TIRUAN UNTUK PERAMALAN BEBAN LISTRIK JANGKA PENDEK (STUDI KASUS DI PT.PLN AREA DISTRIBUSI JABAR) Oleh: ¹ HERLY MARDANI (000298) ² BAMBANG SISWOYO,
Lebih terperinciKecerdasan Komputasional Berbasis Jaringan Neural Buatan (JNB) Pada Sistem Pengenalan Wajah (Face Recognition)
No. 1/XXVI/2007 Wawan Setiawan, Kecerdasan Komputasional Kecerdasan Komputasional Berbasis Jaringan Neural Buatan (JNB) Pada Sistem Pengenalan Waah (Face Recognition) Wawan Setiawan (Universitas Pendidian
Lebih terperinciAPLIKASI JARINGAN SARAF TIRUAN PERAMBATAN BALIK UNTUK PRAKIRAAN VALUTA GBP/USD DALAM FOREX TRADING
APLIKASI JARINGAN SARAF TIRUAN PERAMBATAN BALIK UNTUK PRAKIRAAN VALUTA GBP/USD DALAM FOREX TRADING Hendra William *), Achmad Hidayatno, and Aub Aulian Zahra Jurusan Teni Eletro, Universitas Diponegoro
Lebih terperinciPENGEMBANGAN MODEL JARINGAN SYARAF TIRUAN RESILIENT BACKPROPAGATION UNTUK IDENTIFIKASI PEMBICARA DENGAN PRAPROSES MFCC. Oleh:
1 PENGEMBANGAN MODEL JARINGAN SYARAF TIRUAN RESILIENT BACKPROPAGATION UNTUK IDENTIFIKASI PEMBICARA DENGAN PRAPROSES MFCC Oleh: NURHADI SUSANTO G64103059 DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN
Lebih terperinciAPLIKASI WAVELET RECURRENT NEURAL NETWORK UNTUK PREDIKSI DATA TIME SERIES. : Agus Sumarno NRP :
APLIKASI WAELET RECURRENT NEURAL NETWORK UNTUK PREDIKSI DATA TIME SERIES Nama : Agus Sumarno NRP : 06 00 706 Jurusan : Matematia Dosen Pembimbing : Drs. Daryono Budi Utomo, M.Si Abstra Model time series
Lebih terperinciBAB II PENGENALAN WAJAH
BAB II PENGENALAN WAJAH Sistem pengenalan waah dapat dibagi menadi empat tahap, yaitu tahap pengolahan citra, detesi waah, estrasi fitur dan tahap pengenalan waah. Pada tugas ahir ini aan lebih diteanan
Lebih terperinciPrediksi Perilaku Pola Pengunjung Terhadap Transaksi Pada Toko Buku Gramedia Menggunakan Jaringan Syaraf Tiruan Metode Back Propagation
Predisi Perilau Pola Pengunjung Terhadap Transasi Pada Too Buu Gramedia Menggunaan Jaringan Syaraf Tiruan Metode Bac Propagation Iriansyah BM Sangadji Teni Informatia STT PLN Jl Lingar Luar Duri Kosambi
Lebih terperinciz_in ( ) dan mengaplikasikan fungsi aktivasi untuk menghitung sinyal output ( ) Propagasi balik:
LAMPIRAN 4 Lampiran Algoritma aringan syaraf tiruan propagasi balik Langkah 0 Inisialisasi bobot Langkah Selama kondisi berhenti bernilai salah, lakukan langkah -9. Langkah Untuk setiap pasangan, lakukan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY Tedy Rismawan dan Sri Kusumadewi Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teni
Lebih terperinciPrediksi Jumlah Kasus Demam Berdarah Dengue Menggunakan Jaringan Syaraf Tiruan (Studi Kasus daerah Kab. Sleman, Provinsi DIY)
Jurnal PROte Vol. 3 No. 1, 216 Predisi Jumlah Kasus Demam Berdarah Dengue Menggunaan Jaringan Syaraf Tiruan Iis Hamsir Ayub Wahab Program Studi Teni Eletro Faultas Teni, Universitas Khairun Email: hamsir@unhair.ac.id
Lebih terperinciAPLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID
APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID Ferry Tan, Giovani Gracianti, Susanti, Steven, Samuel Luas Jurusan Teni Informatia, Faultas
Lebih terperinciBAB 3 METODE PENELITIAN
36 BAB 3 METODE PENELITIAN 3.1 Disain Penelitian Jenis penelitian yang digunaan adalah penelitian desriptif, yaitu penelitian terhadap fenomena atau populasi tertentu yang diperoleh peneliti dari subye
Lebih terperinciBAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING
Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan
Lebih terperinciPEMODELAN OPTIMALISASI PRODUKSI UNTUK MEMAKSIMALKAN KEUNTUNGAN DENGAN MENGGUNAKAN METODE PEMROGRAMAN LINIER
PEMODELAN OPTIMALISASI PRODUKSI UNTUK MEMAKSIMALKAN KEUNTUNGAN DENGAN MENGGUNAKAN METODE PEMROGRAMAN LINIER Tantri Windarti Program Studi Sistem Informasi STMIK Surabaya Jl Raya Kedung Baru 98, Surabaya
Lebih terperinciStudi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya
Studi dan Analisis mengenai Hill ipher, Teni Kriptanalisis dan Upaya enanggulangannya Arya Widyanaro rogram Studi Teni Informatia, Institut Tenologi Bandung, Jl. Ganesha 10 Bandung Email: if14030@students.if.itb.ac.id
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Masalah untu mencari jalur terpende di dalam graf merupaan salah satu masalah optimisasi. Graf yang digunaan dalam pencarian jalur terpende adalah graf yang setiap sisinya
Lebih terperinciBAB III METODE SCHNABEL
BAB III METODE SCHNABEL Uuran populasi tertutup dapat diperiraan dengan teni Capture Mar Release Recapture (CMRR) yaitu menangap dan menandai individu yang diambil pada pengambilan sampel pertama, melepasan
Lebih terperinciPEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA
PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat
Lebih terperinciADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoko Sumaryono ABSTRACT
Jurnal Teni Eletro Vol. 3 No.1 Januari - Juni 1 6 ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoo Sumaryono ABSTRACT Noise is inevitable in communication
Lebih terperinciPelatihan Feedforward Neural Network Menggunakan PSO untuk Prediksi Jumlah Pengangguran Terbuka di Indonesia
Jurnal Pengembangan Tenologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 11, November 2017, hlm. 1260-1269 http://j-ptii.ub.ac.id Pelatihan Feedforward Neural Networ Menggunaan PSO untu Predisi
Lebih terperinciJARINGAN SYARAF TIRUAN UNTUK PREDIKSI PENJUALAN JAMUR MENGGUNAKAN ALGORITMA BACKROPAGATION
JARINGAN SYARAF TIRUAN UNTUK PREDIKSI PENJUALAN JAMUR MENGGUNAKAN ALGORITMA BACKROPAGATION Yuyun Dwi Lestari Program Studi Teknik Informatika, Sekolah Tinggi Teknik Harapan E-mail : yuyun.dl@gmail.com
Lebih terperinciEstimasi Harga Saham Dengan Implementasi Metode Kalman Filter
Estimasi Harga Saham Dengan Implementasi Metode Kalman Filter eguh Herlambang 1, Denis Fidita 2, Puspandam Katias 2 1 Program Studi Sistem Informasi Universitas Nahdlatul Ulama Surabaya Unusa Kampus B
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Gambar 3.1 Bagan Penetapan Kriteria Optimasi Sumber: Peneliti Determinasi Kinerja Operasional BLU Transjaarta Busway Di tahap ini, peneliti
Lebih terperinciEstimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga
JURNAL SAINS DAN SENI POMITS ol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Estimasi Konsentrasi Polutan Sungai Menggunaan Metode Redusi Kalman Filter dengan Pendeatan Elemen Hingga Muyasaroh, Kamiran,
Lebih terperinciPENGENALAN SIDIK JARI MENGGUNAKAN RESILIENT BACKPROPAGATION NEURAL NETWORK DENGAN PRAPROSES TRANSFORMASI WAVELET INEZA NUR OKTABRONI
PENGENALAN SIDIK JARI MENGGUNAKAN RESILIENT BACKPROPAGATION NEURAL NETWORK DENGAN PRAPROSES TRANSFORMASI WAVELET INEZA NUR OKTABRONI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciPEMPROSESAN ALARM DALAM PERLINDUNGAN SISTEM DAYA LISTRIK MENGGUNAKAN NEURAL NETWORK. Azriyenni
PEMPROSESAN ALARM DALAM PERLINDUNGAN SISTEM DAYA LISTRIK MENGGUNAKAN NEURAL NETWORK Azriyenni Dosen Tetap Teni Eletro Universitas Riau - Peanbaru Abstra Penelitian ini menyelidii mengenai pemprosesan alarm
Lebih terperinciSTUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT
TUGAS AKHIR STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT 040803023 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciProsiding Semirata FMIPA Universitas Lampung, 2013
Sistem Pengenalan Nomor Plat Kendaraan Berbasis Foto Diital Dengan Metode Moment Invariant dan Jaringan Syaraf Tiruan Menggunaan Algoritma Bacpropagation Zaiful Bahri, Suamto dan Joo Risanto Jurusan Matematia
Lebih terperinciPenempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming
JURAL TEKIK POMITS Vol. 2, o. 2, (2013) ISS: 2337-3539 (2301-9271 Print) B-137 Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming Yunan Helmy Amrulloh, Rony Seto Wibowo, dan Sjamsjul
Lebih terperinciAPLIKASI ALGORITMA CONJUGATE GRADIENT PADA JARINGAN SYARAF TIRUAN PERAMBATAN BALIK. Tesis
APLIKASI ALGORITMA CONJUGATE GRADIENT PADA JARINGAN SYARAF TIRUAN PERAMBATAN BALIK Tesis Program Studi Teni Eletro Jurusan Ilmu-ilmu Teni disusun oleh : Wiwien Widyastuti 8475/I-/820/02 PROGRAM PASCASARJANA
Lebih terperinciIDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR. Gumgum Darmawan Statistika FMIPA UNPAD
JMP : Vol. 9 No. 1, Juni 17, hal. 13-11 ISSN 85-1456 IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR Gumgum Darmawan Statistia FMIPA UNPAD gumgum@unpad.ac.id Budhi Handoo Statistia
Lebih terperinciSATUAN ACARA PERKULIAHAN ( SAP )
SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Watu : 1x 3x 50 Menit Pertemuan : 7 A. Kompetensi 1. Utama Mahasiswa dapat memahami tentang sistem
Lebih terperinciPENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR
PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR Ngarap Im Mani 1) dan Lim Widya Sanjaya ), 1) & ) Jurs. Matematia Binus University PENGANTAR Perancangan percobaan adalah suatu
Lebih terperinciBAB 2 TEORI PENUNJANG
BAB EORI PENUNJANG.1 Konsep Dasar odel Predictive ontrol odel Predictive ontrol P atau sistem endali preditif termasu dalam onsep perancangan pengendali berbasis model proses, dimana model proses digunaan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pemrosesan Sinyal Menurut Proais et al. (1997), umumnya suatu segmen suara dapat dinyataan dengan deraat etelitian yang tinggi sebagai umlah dari beberapa sinusoida dengan amplitudo
Lebih terperinciTRANSFORMASI KOORDINAT MENGGUNAKAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK RESILIENT (Studi Kasus: Daerah Jawa Bagian Barat) SUPRIYANTI
TRANSFORMASI KOORDINAT MENGGUNAKAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK RESILIENT (Studi Kasus: Daerah Jawa Bagian Barat) SUPRIYANTI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciAplikasi diagonalisasi matriks pada rantai Markov
J. Sains Dasar 2014 3(1) 20-24 Apliasi diagonalisasi matris pada rantai Marov (Application of matrix diagonalization on Marov chain) Bidayatul hidayah, Rahayu Budhiyati V., dan Putriaji Hendiawati Jurusan
Lebih terperinciPENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT
Seminar Nasional Apliasi Tenologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022 Yogyaarta, 16 Juni 2007 PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT I ing Mutahiroh, Indrato, Taufiq Hidayat Laboratorium
Lebih terperinciESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR)
SEMINAR NASIONAL PASCASARJANA SAL ESIMASI RAJECORY MOBILE ROBO MENGGUNAKAN MEODE ENSEMBLE KALMAN FILER SQUARE ROO (ENKF-SR) eguh Herlambang Zainatul Mufarrioh Firman Yudianto Program Studi Sistem Informasi
Lebih terperinciAPLIKASI PENGENALAN AKSARA CARAKAN MADURA DENGAN MENGGUNAKAN METODE BACKPROPAGATION
APLIKASI PENGENALAN AKSARA CARAKAN MADURA DENGAN MENGGUNAKAN METODE BACKPROPAGATION Erwien Tjipta W, Iswan Wahyu Al Farqi STMIK ASIA Malang ABSTRAK Pengolahan citra (Image Processing) adalah suatu bidang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Variabel Variabel ialah sesuatu yang nilainya berubah-ubah menurut watu atau berbeda menurut elemen/tempat. Umumnya nilai arateristi merupaan variabel dan diberi simbol huruf X.
Lebih terperinciDETEKSI POLA BERDASARKAN COLOUR FEATURE DENGAN METODE JARINGAN SYARAF TIRUAN
Prosiding Seminar Nasional Apliasi Sains & Tenologi (SNAST) Periode II ISSN: 1979-911X Yogyaarta, 11 Desember 2010 DETEKSI POLA BERDASARKAN COLOUR FEATURE DENGAN METODE JARINGAN SYARAF TIRUAN Uning Lestari
Lebih terperinciBAB 4 DISAIN MODEL. Pengguna. Citra. Ekstraksi Ciri x. Antar muka (Interface) Data Hasil Ekstraksi Ciri. Testing dan Identifikasi.
33 BAB 4 DISAIN MODEL Disain model sistem identifikasi citra karang dirancang sedemikian rupa dengan tuuan untuk memudahkan dalam pengolahan data dan pembuatan aplikasi serta memudahkan pengguna dalam
Lebih terperinciMakalah Seminar Tugas Akhir
Maalah Seminar Tugas Ahir PENDETEKSI POSISI MENGGUNAKAN SENSOR ACCELEROMETER MMA7260Q BERBASIS MIKROKONTROLER ATMEGA 32 Muhammad Riyadi Wahyudi, ST., MT. Iwan Setiawan, ST., MT. Abstract Currently, determining
Lebih terperinciPengambilan Data dan Analisis
METODOLOGI PENELITIAN Watu dan Loasi Penelitian Penelitian dilasanaan mulai bulan November 2003 sampai dengan Juni 2004 di Kecamatan Rengasdenglo, Telagasari dan Cilamaya Kabupaten Karawang Jawa Barat
Lebih terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL Syafruddin Side, Jurusan Matematia, FMIPA, Universitas Negeri Maassar email:syafruddinside@yahoo.com Info: Jurnal MSA Vol. 3
Lebih terperinciSISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER
SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Pandapotan Siagian, ST, M.Eng Dosen Tetap STIKOM Dinamia Bangsa - Jambi Jalan Sudirman Theoo Jambi Abstra Sistem pengenal pola suara atau
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belaang Keadaan dunia usaha yang selalu berubah membutuhan langah-langah untu mengendalian egiatan usaha di suatu perusahaan. Perencanaan adalah salah satu langah yang diperluan
Lebih terperinciII. DASAR TEORI I. PENDAHULUAN
IMPLEMENTASI JARINGAN SYARAF TIRUAN PERAMBATAN-BALIK UNTUK MENDETEKSI GOLONGAN DARAH PADA MANUSIA M. Fuad Latief *, R. Rizal Isnanto, Budi Setiyono Abstra - Membran sel darah manusia mengandung bermacam-macam
Lebih terperinciSTUDI KOMPARASI IMPLEMENTASI JARINGAN BASIS RADIAL DAN FUZZY INFERENCE SYSTEM TSK UNTUK PENYELESAIAN CURVE FITTING
STUDI KOPARASI IPEENTASI JARINGAN BASIS RADIA DAN FUZZY INFERENCE SYSTE TSK UNTUK PENYEESAIAN CURVE FITTING Sri Kusumadewi Teni Informatia Universitas Islam Indonesia Jl. Kaliurang Km 4,5 Yogyaarta cicie@fti.uii.ac.id
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PERBANDINGAN TINGKAT PELANGGARAN PERLINDUNGAN KEKERASAN PADA ANAK
SISTEM PENDUKUNG KEPUTUSAN PERBANDINGAN TINGKAT PELANGGARAN PERLINDUNGAN KEKERASAN PADA ANAK Airani Elizabeth Mani Program Studi Teni Informatia Jurusan Teni Eletro Faultas Teni Universitas Tanjungpura
Lebih terperinciIII DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT
III DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT 3.1 Studi Literatur tentang Pengelolaan Sampah di Beberapa Kota di Dunia Kaian ilmiah dengan metode riset operasi tentang masalah
Lebih terperinciBAB II LANDASAN TEORI. Proses utama dari pengenalan karakter adalah menerima karakter input dan
BAB II LANDASAN TEORI 2.1 Pengenalan Teori Proses utama dari pengenalan arater adalah menerima arater input dan memerisa apaah hasil input tersebut sesuai dengan salah satu arater yang ada. Bagian yang
Lebih terperinciPerbandingan Antara Algoritma Penghapusan Bising Adaptif LMS dan Adaptif RLS dalam Penghapusan Bising Kendaraan
Perbandingan Antara Algoritma Penghapusan Bising Adaptif LMS dan Adaptif RLS dalam Penghapusan Bising Kendaraan Sri Arttini Dwi Prasetyowati 1), Adhi Susanto ), homas Sriwidodo ), Jazi Eo Istiyanto 3)
Lebih terperinci