Desain Sistem Pendeteksian dan Monitoring Harmonisa Arus Menggunakan Jaring Saraf Tiruan Berbasis LabVIEW.
|
|
- Erlin Halim
- 6 tahun lalu
- Tontonan:
Transkripsi
1 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) Desain Sistem Pendeteksian dan Monitoring Harmonisa Arus Menggunakan Jaring Saraf Tiruan Berbasis LabVIEW. Andika Wahyu Saputra, Ardyono Priyadi, Mauridhi Hery Purnomo Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya andika09@mhs.ee.its.ac.id, priyadi@ee.its.ac.id, hery@ee.its.ac.id Abstrak Meningkatnya kapasitas beban non-linier pada sistem tenaga listrik menjadi sebuah hal yang sangat serius mengingat beban non-linear dapat menjadi sumber munculnya arus harmonisa yang dapat menggangu kualitas dan kuantitas arus pada sistem tenaga listrik. Terdapat beberapa metode yang digunakan untuk menganalisis harmonisa, antara lain dengan mencuplik secara langsung pada jaringan yang terhubung dengan beban kemudian mentransformasikan sinyal tersebut dari domain waktu ke domain frekuensi atau dengan menggunakan Jaring Saraf Tiruan. Pada penelitian ini data pola gelombang sinyal harmonisa didapatkan dengan mensimulasikan gelombang harmonisa pada program LabVIEW. Jaring Saraf Tiruan digunakan untuk mendeteksi jenis harmonisa berdasarkan pola gelombangnya. Hasil pengenalan Jaring Saraf Tiruan kemudian dibandingkan dengan targetnya dan dianalisa untuk menentukan konfigurasi Jaring Saraf Tiruan terbaik. Kata Kunci Harmonisa, Pendeteksian, Pola, Jaring Saraf Tiruan. B I. PENDAHULUAN eberapa tahun terakhir ini perkembangan jumlah beban listrik di Indonesia semakin bertambah tiap tahunnya. Perkembangan ini diikuti oleh perkembangan teknologi peralatan elektronik pada sektor industri dan rumah tangga. Peralatan elektronik pada sektor rumah tangga seperti komputer, televisi, Air Conditioner (AC), mesin fotocopy hingga Uninterrpuable Power System (UPS) dan variable Speed Drive (VSD) untuk mesin sinkron pada sektor industri merupakan salah satu penyebab beban non-linear pada sistem tenaga listrik. Meningkatnya kapasitas beban non-linier pada sistem tenaga listrik menjadi sebuah hal penting untuk diperhatikan mengingat beban non-linear dapat menjadi sumber munculnya arus harmonisa yang dapat menggangu kualitas dan kuantitas arus pada sistem tenaga listrik. Jika dilihat dari sisi sistem distribusi sistem tenaga listrik, arus harmonisa dapat menurunkan kualitas daya (power quality), menyebabkan overvoltage (tegangan lebih), overload (kelebihan beban) sistem akibat kenaikan nilai arus RMS dan distorsi tegangan. Sedangkan jika dilihat dari sisi peralatan tenaga listrik arus harmonisa dapat menyebabkan kegagalan CB, pemanasan berlebih hingga kerusakan peralatan listrik [1]. Umumnya analisis harmonisa arus dilakukan dengan mentransformasikan sinyal arus dari domain waktu ke domain frekuensi. Metode transformasi yang digunakan beragam mulai dari transformasi fourier diskrit (DFT) yang kemudian disempurnakan dengan pengaplikasian Fast Fourier Transform (FFT), Estimation of Signal Parameters via Rotational Invariance Technique (ESPRIT), Multiple Signal Classification (MUSIC), metode Prony, Adaptive Linier Element (ADALINE), pemfilteran Kalman, metode PLL, dan Jaring Saraf Tiruan [4]. Pada penelitian ini, Jaring Saraf Tiruan digunakan pada pendeteksian harmonisa karena kemampuan belajarnya sehingga mampu untuk mengenali pola-pola harmonisa yang telah dipelajarinya. Pada penelitian ini, gelombang terdistorsi dibangkitkan dengan menggunakan program pembangkitan sinyal terdistorsi menggunakan LabVIEW. Hasil dari program pembangkitan sinyal terdistorsi kemudian digunakan sebagai data masukan pada Jaring Saraf Tiruan. Sedangkan target dari Jaring Saraf Tiruan adalah pengkodean klasifikasi jenis harmonisa. II. URAIAN PENELITIAN Penelitian ini secara garis besar meliputi tiga tahap yaitu penggalian data pola gelombang harmonisa, pelatihan Jaring Saraf Tiruan, dan pengenalan Jaring Saraf Tiruan (mapping). A. Harmonisa Harmonisa dalam sistem tenaga listrik didefinisikan sebagai sinusoidal arus dan tegangan pada frekuensi yang merupakan kelipatan bilangan bulat dengan frekuensi fundamental [3]. Misalnya frekuensi dasar suatu sistem tenaga listrik adalah 50 Hz maka harmonisa keduanya adalah gelombang dengan frekuensi sebesar 100 Hz, harmonisa ketiga adalah gelombang dengan frekuensi sebesar 150 Hz dan seterusnya. Gelombanggelombang ini kemudian menumpang pada gelombang murni/aslinya sehingga terbentuk gelombang cacat yang merupakan hasil penjumlahan antara gelombang murni sesaat dengan gelombang harmonisanya. Harmonisa muncul akibat adanya beban-beban non linier yang terhubung ke sistem distribusi. Beban non linier ini umumnya adalah peralatan elektronik yang di dalam peralatan
2 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) tersebut banyak terdapat komponen semi konduktor. Komponen ini dalam proses kerjanya berlaku sebagai saklar yang bekerja pada setiap siklus gelombang tegangan [1]. B. Pelatihan Jaring Saraf Tiruan Jaring Saraf Tiruan dibuat sebagai usaha agar komputer dapat menyamai proses belajar dari jaring saraf biologis, sehingga jaring tersebut dapat mempelajari berbagai pola yang berbeda menggunakan metode pelatihan. Metode pelatihan Jaring Saraf Tiruan dapat dikategorikan menjadi dua kelompok, yaitu pelatihan tak terbimbing (unsupervised learning) dan pelatihan terbimbing (supervised learning). Pelatihan tak terbimbing merupakan pelatihan di mana unit keluaran dilatih untuk merespon sekelompok pola yang ada pada input. Sedangkan pelatihan terbimbing merupakan pelatihan dimana jaring saraf dilatih dengan memberikan pola masukan dan target keluarannya. [10] Terdapat beberapa metoda pelatihan terbimbing yang digunakan Jaring Saraf Tiruan, diantaranya yang sering diaplikasikan adalah Jaring Saraf Tiruan perseptron lapis jamak (multi layer perceptron) dan propagasi balik (Back propagation ). [11] Berikut ini merupakan algoritma menyusun Artificial Neural Network Back propagation [11] : - Langkah 1 : Inisiasi setiap parameter jaring saraf tiruan. - Langkah 2 : Unit masukan Ai sejumlah n disebarkan ke hidden layer. - Langkah 3 : Masing-masing sinyal input yang sudah di normalisasi dikalikan dengan pemberat dan dijumlahkan. Jumlah input yang memiliki berat ditambahkan dengan bias node di hidden layer. Hsil tersebut kemudian diaktifkan dengan fungsi pengaktif sigmoid unipolar. - Langkah 4 : Sinyal yang sudah diaktifkan diteruskan ke unit output. Sinyal hasil dari hidden layer sejumlah m dikalikan dengan pemberat masing-masing dari link penghubung antara hidden layer dan unit output dan dijumlahkan. Penjumlahan sinyal yang masuk unit output ditambah dengan bias pada node output. Unit yang berada didalam unit output kemudian diaktifkan menggunakan fungsi pengaktif. - Langkah 5 : Setelah didapat nilai output, nilai target dibandingkan dengan nilai output, lalu dihitung nilai error / galatnya lalu dihitung perbaikan pemberatnya serta perbaikan biasnya. Setelah perbaikan pemberat dan bias didapatkan, nilai perbaikan pemberat dan bias tersebut ditambahkan dengan nilai pemberat dan bis lama untuk mendapatkan nilai pemberat dan bias baru. - Langkah 6 Masing-masing pemberat yang dihubungkan dengan hidden layer dikalikan delta dan dijumlahkan kemudian dikalikan dengan turunan fungsi pengaktif lalu dihitung perbaikan pemberat dan biasnya. Setelah perbaikan pemberat dan bias didapatkan, nilai perbaikan pemberat dan bias tersebut ditambahkan dengan nilai pemberat dan bias lama untuk mendapatkan nilai pemberat dan bias baru. - Langkah 7 Lakukan langkah 3 sampai 6 secara terus-menerus hingga dicapai error yang sangat kecil. C. Pengenalan Jaring Saraf Tiruan Pengenalan Jaring Saraf Tiruan menggunakan Jaring Saraf Tiruan Feed forward. Algoritma Jaring Saraf Tiruan Feed forward seperti langkah 3 dan 4 pada Back propagation. Masing-masing sinyal input yang sudah di normalisasi dikalikan dengan pemberat hasil proses pelatihan dan dijumlahkan. Jumlah input yang memiliki berat ditambahkan dengan bias node di hidden layer. Hasil tersebut kemudian diaktifkan dengan menggunakan fungsi pengaktif sigmoid unipolar. Hasil kalkulasi tersebut diterapkan kembali pada layer selanjutnya hingga mendapat nilai output [2]. III. PERENCANAAN SOFTWARE A. Sofware Penggalian Data Proses penggalian data menggunakan program bernama pembangkit sinyal terdistorsi. Program tersebut merupakan cuplikan dari program yang dibuat oleh Arfian Edi Tama pada tugas akhir berjudul Desain Sistem Pendeteksian dan Monitoring Harmonisa Arus secara Online Menggunakan Transformasi-S Berbasis LabVIEW [12]. Pada tugas akhir tersebut terdapat sub-program yang dapat membangkitkan berbagai macam tipe gelombang harmonisa beserta tingkatan distorsinya. Gambar 1 adalah program pembangkit sinyal terdistorsi yang digunakan pada tugas akhir ini. Gambar 1. Program pembangkitan sinyal terdistorsi. Hasil dari program pembangkitan sinyal terdistorsi adalah gelombang terdistorsi yang mengandung komponen harmonisa yang telah ditentukan. Hasil tersebut akan digunakan sebagai data input bagi Jaring Saraf Tiruan. Pada penelitian ini, data diambil dan dibagi menjadi 2 bagian. Bagian pertama digunakan sebagai data input pada proses pelatihan Jaring Saraf Tiruan, sedangkan bagian kedua digunakan sebagai data input pada proses mapping. Pada data pelatihan, masing-masing jenis gelombang terdistorsi menggunakan 10 set data dengan berbagai tingkat distorsi mulai dari 0% hingga 90%. Sedangkan pada proses mapping, masing-masing jenis gelombang terdistorsi menggunakan 4 set data dengan berbagai tingkat distorsi mulai dari 35% hingga 65%.
3 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) B. Software Pelatihan Jaring Saraf Tiruan Proses pelatihan Jaring Saraf Tiruan pada penelitian ini menggunakan software anetka 2.0 yang dibuat oleh Stan Zurek. Program ini adalah Jaring Saraf Tiruan berjenis Multi Layer Perceptron dengan metoda Back propagation. Data input pada program ini adalah data gelombang yang dihasilkan oleh software penggalian data. Target yang akan digunakan pada proses pelatihan adalah pengkodean klasifikasi masing-masing jenis harmonisa. Pengkodean target pada penelitian ini dibagi menjadi dua, perbedaan ini hanya terdapat terdapat pada tingkat distorsi 0%. Tabel 1 dan 2 adalah dua pengkodean pada tingkat distorsi 0%. Pada tingkat selain 0%, pengkodean yang digunakan adalah pengkodean pada tabel 2. Tabel 1. Pengkodean A Jenis Harmonisa Kode Harmonisa ke Harmonisa ke Harmonisa ke-3 dan Harmonisa ke-3, 5 dan Harmonisa ke-3, 5, 7 dan Tabel 2. Pengkodean B Jenis Harmonisa Kode Harmonisa ke Harmonisa ke Harmonisa ke-3 dan Harmonisa ke-3, 5 dan Harmonisa ke-3, 5, 7 dan Setelah menentukan input dan target, proses selanjutnya adalah mengkonfigurasi jumlah layer dan node jaring saraf tiruan. Konfigurasi jumlah layer dan node yang digunakan pada penelitian dibagi menjadi 2, yaitu mengikuti perhitungan yang diperkenalkan oleh Guang-Bin Huang [13] yang menggunakan dua hidden layer dan menggunakan konfigurasi satu hidden layer. Guang-Bin Huang menyatakan pada penelitiannya bahwa sebuah Jaring Saraf Tiruan dapat menyerap data secara optimum apabila diberi konfigurasi sesuai dengan persamaan berikut: Tabel 3. Konfigurasi dua hidden layer. Layer Jumlah Node Input 32 Output 5 Hidden layer 1 21 Hidden layer 2 12 Tabel 4. Konfigurasi satu hidden layer. Layer Jumlah Node Input 32 Output 5 Hidden layer 40 Setelah mengkonfigurasi jumlah layer dan node, proses yang dilakukan selanjutnya adalah mengkonfigurasi parameter-parameter pelatihan yang akan digunakan pada simulasi pelatihan Jaring Saraf Tiruan. Parameter pelatihan yang digunakan pada penelitian ini seperti yang diperlihatkan pada tabel 5. Tabel 5. Nilai-nilai parameter pelatihan. Paramater Nilai Laju pelatihan 0,6 Error (RMS) untuk berhenti 1 % Banyak iterasi Momentum 0,8 Ouput yang diharapkan dari program pelatihan adalah matriks dengan nilai pemberat dan bias yang nantinya digunakan pada pengenalan (mapping) Jaring Saraf Tiruan. C. Software Pengenalan Jaring Saraf Tiruan Pada proses pengenalan Jaring Saraf Tiruan pada penelitian ini menggunakan software Jaring Saraf Tiruan Feed forward yang dibuat oleh penulis. Program Jaring Saraf Tiruan Feed forward ini akan memakai data input dari software penggalian data dan nilai pemberat dan bisnya dari hasil software pelatihan Jaring Saraf Tiruan. Hasil dari software Pengenalan Jaring Saraf Tiruan kemudian dibandingkan dengan target yang ingin dicapai. Gambar 2 adalah software Jaring Saraf Tiruan Feed forward. L 1 = m + 2 N + 2 N (m+2) (3.1) L 2 = m N (m +2) Keterangan: L 1 = jumlah node hidden layer 1 L 2 = jumlah node hidden layer 2 N = jumlah node input dan node output m = jumlah node output (3.2) Konfigurasi jumlah layer dan node yang digunakan pada penelitian ini dapat dilihat pada tabel 3 dan 4. Tabel 3 adalah konfigurasi jumlah layer dengan menggunakan persamaan Guang-Bin Huang, sedangkan tabel 4 adalah konfigurasi dengan menggunakan satu hidden layer. Gambar 2. Program Jaring Saraf Tiruan Feed forward.
4 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) IV. SIMULASI DAN ANALISIS A. Simulasi Penggalian Data. Simulasi penggalian data bertujuan untuk menggali data bentuk gelombang terdistorsi sesuai dengan jenis dan tingkat distorsi yang telah direncanakan. Masing-masing bentuk gelombang terdistorsi yang digali oleh software penggalian data diperlihatkan oleh gambar 3 hingga gambar 7. Sesuai dengan bab III, data gelombang yang dihasilkan akan dibagi menjadi dua bagian. Pada bagian pertama, setiap jenis gelombang akan berisi masing-masing 10 data data dengan tingkat distorsi antara 0% hingga 90% sehingga total data bagian pertama berjumlah 50 buah data. Sedangkan pada bagian kedua, tiap jenis gelombang berisi 4 buah data dengan tingkat distorsi 35% hingga 65%. Gambar 3. Gelombang mengandung harmonisa orde 2. Gambar 4. Gelombang mengandung harmonisa orde 3. Gambar 5. Gelombang mengandung harmonisa orde 3 dan 5. Gambar 7. Gelombang mengandung harmonisa orde 3, 5, 7 dan 9. B. Pelatihan Jaring Saraf Tiruan Setelah data input telah diperoleh melalui simulasi penggalian data maka proses selanjutnya adalah simulasi pelatihan Jaring Saraf Tiruan. Pada simulasi ini bertujuan untuk melatih pemberat dan bias dengan menggunakan data input dan target yang telah ditentukan. Data input didapat dari simulasi penggalian data, sedangkan data target yang digunakan pada simulasi ini adalah pengkodean jenis-jenis harmonisa seperti pada tabel 1 dan tabel 2. Fungsi pengaktif yang digunakan adalah fungsi pengaktif sigmoid unipolar. Simulasi pada penelitian ini dapat dibagi menjadi tiga percobaan, perbedaan antara ketiga percobaan tersebut terdapat pada pengkodean jenis harmonisa pada tingkat distorsi 0% dan perbedaan konfigurasi hidden layer yang digunakan. Tabel 6 adalah perbedaan antara ketiga percobaan tersebut. Tabel 6. Perbedaan setting ketiga percobaan. Percobaan Pengkodean distorsi Konfigurasi 0% jumlah layer 1 Pengkodean A Pengkodean A Pengkodean B Pengkodean A pada tabel 6 merujuk pada data pengkodean sesuai dengan tabel 1, sedangkan pengkodean B merujuk pada data pengkodean sesuai dengan tabel 2. Konfigurasi jumlah layer pada tabel 6 merujuk pada konfigurasi dua hidden layer sesuai perhitungan pada penelitian Guang-Bin Huang, pada tabel 3, sedangkan konfigurasi jumlah layer merujuk pada tabel 4. Setelah dilakukakn proses pelatihan Jaring Saraf Tiruan, hasil akhir dari pelatihan Jaring Saraf Tiruan dibandingkan dan diamati. Hasil dari proses perlatihan tersebut dapat dilihat pada gambar 8 hingga 13. Gambar 6. Gelombang mengandung harmonisa orde 3, 5 dan 7. Gambar 8. Hasil pelatihan percobaan 1.
5 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) Gambar 9. Error pelatihan percobaan 1. Gambar 10. Hasil pelatihan percobaan 2. Gambar 11. Error pelatihan percobaan 2. Gambar 12. Hasil pelatihan percobaan 3. Gambar 13. Error pelatihan percobaan 3. Dari Gambar 8 hingga 13 dapat dilihat bahwa penggunaan konfiguras jumlah layer menghasilkan error yang lebih besar dibandingkan konfigurasi Guang-Bin Huang. Sedangkan jika ditilik melalui setting konfigurasi pengkodeannya, percobaan ke-tiga menghasilkan error yang lebih kecil dibandingkan dengan percobaan pertama. Hal tersebut terjadi karena pada distorsi 0% gelombang harmonisa yang di proses berpola sama, yaitu pola gelombang fundamental. Sehingga ketika menggunakan pengkodean A Jaring Saraf Tiruan dipaksa untuk belajar mengenali pola yang sama namun dengan target yang berbeda. Hasil dari proses pelatihan Jaring Saraf Tiruan ini adalah matriks yang berisi nilai pemberat dan bias dari setiap pelatihan Jaring Saraf Tiruan. Matriks-matriks tersebut selanjutnya akan digunakan sebagai nilai pemberat dan bias pada proses pengenalan Jaring Saraf Tiruan. C. Pengenalan Jaring Saraf Tiruan Dalam simulasi ini, data input yang digunakan adalah data gelombang harmonisa dengan tingkat distorsi antara 35% hingga 65%. Penggunaan data yang berbeda dari proses pelatihan bertujuan untuk mengetahui keakurasian hasil dari pelatihan yang telah dilakukan. Data nilai pemberat dan bias yang digunakan pada simulasi pengenalan Jaring Saraf Tiruan adalah data yang dihasilkan oleh simulasi pelatihan Jaring Saraf Tiruan. Setelah data input, pemberat serta bias diterapkan pada Jaring Saraf Tiruan Feed forward, hasil dari Jaring Saraf Tiruan tersebut kemudian dibandingkan dengan target yang telah ditentukan. Tabel 8 hingga tabel 10 adalah hasil Jaring Saraf Tiruan pada percobaan 1 hingga percobaan 3 sedangkan pengkodean target yang diinginkan mengacu pada tabel 1. Tabel 7. Output Jaring Saraf Tiruan dari percobaan pertama. Distorsi Output 1 Output 2 Output 3 Output 4 Output 5 35% 4,95E-02 7,08E-01 2,82E-01 5,67E-02 6,23E-02 5,13E-02 5,45E-02 4,90E-02 1,55E-01 8,42E-01 4,37E-02 3,95E-02 5,06E-02 8,06E-03 9,94E-01 45% 5,24E-02 4,24E-01 5,87E-01 5,31E-02 7,51E-02 4,91E-02 5,73E-02 4,72E-02 7,67E-01 2,49E-01 4,47E-02 4,02E-02 5,06E-02 9,21E-03 9,93E-01 55% 5,36E-02 2,88E-01 7,33E-01 5,07E-02 8,03E-02 4,80E-02 5,60E-02 4,66E-02 8,83E-01 1,33E-01 4,65E-02 4,29E-02 5,04E-02 1,44E-02 9,88E-01 65% 5,44E-02 2,32E-01 7,91E-01 4,87E-02 8,18E-02 4,78E-02 5,44E-02 4,61E-02 9,20E-01 9,35E-02 4,85E-02 4,64E-02 5,00E-02 2,70E-02 9,75E-01 Tabel 8. Output Jaring Saraf Tiruan dari percobaan ke-dua. Distorsi Output 1 Output 2 Output 3 Output 4 Output 5 9,28E-01 4,64E-01 2,49E-05 1,27E-08 8,87E-07 1,04E-01 8,20E-01 8,41E-01 3,23E-07 1,66E-13 35% 3,80E-02 4,85E-01 8,87E-01 1,12E-03 1,68E-10 2,22E-02 1,16E-01 1,57E-13 9,14E-01 8,83E-01 2,45E-01 1,18E-02 3,20E-18 4,33E-06 9,98E-01 9,03E-01 7,92E-01 7,19E-06 1,25E-10 1,65E-08 8,53E-02 9,52E-01 1,98E-01 4,57E-08 3,94E-14 45% 2,41E-02 6,48E-01 1,73E-02 2,75E-04 1,64E-11 4,86E-02 9,01E-02 1,68E-12 1,00E+00 9,86E-01 4,07E-02 7,43E-02 1,56E-15 1,07E-02 9,41E-01 8,93E-01 9,24E-01 8,80E-07 2,63E-11 2,89E-09 9,09E-02 9,85E-01 9,25E-02 4,55E-08 2,28E-14 55% 3,05E-02 4,54E-01 9,24E-02 7,16E-04 9,09E-12 6,57E-02 6,24E-02 1,55E-11 1,00E+00 9,92E-01 4,47E-02 5,94E-02 7,55E-15 3,18E-02 9,45E-01 9,09E-01 9,58E-01 5,66E-07 1,15E-11 1,02E-09 6,59E-02 9,76E-01 5,73E-02 1,32E-07 2,79E-14 65% 3,91E-02 1,37E-01 7,47E-01 8,51E-03 1,49E-11 5,08E-02 5,53E-02 3,08E-08 9,90E-01 4,06E-01 4,82E-02 5,24E-02 1,18E-14 4,62E-02 9,49E-01
6 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) Tabel 9. Output Jaring Saraf Tiruan dari percobaan ke-tiga. Distorsi Output 1 Output 2 Output 3 Output 4 Output 5 9,74E-01 3,15E-02 3,45E-02 1,03E-02 1,13E-01 1,64E-02 1,00E+00 1,81E-04 4,11E-02 2,30E-08 35% 4,59E-02 6,11E-02 9,38E-01 3,50E-02 2,17E-06 4,70E-02 5,19E-02 5,09E-02 5,55E-02 9,47E-01 5,18E-02 4,93E-02 4,89E-02 4,62E-02 9,52E-01 9,67E-01 3,97E-02 4,06E-02 2,53E-02 6,66E-02 2,99E-02 9,99E-01 8,62E-04 5,28E-02 4,39E-08 45% 4,78E-02 5,79E-02 9,40E-01 3,71E-02 2,22E-06 4,46E-02 5,19E-02 5,05E-02 6,81E-02 9,37E-01 5,01E-02 5,03E-02 4,97E-02 4,87E-02 9,51E-01 9,57E-01 4,62E-02 4,63E-02 3,95E-02 5,50E-02 4,09E-02 9,96E-01 3,82E-03 5,57E-02 7,76E-08 55% 4,86E-02 5,59E-02 9,42E-01 3,96E-02 2,33E-06 3,64E-02 4,93E-02 4,84E-02 1,48E-01 8,85E-01 4,97E-02 5,06E-02 4,99E-02 4,97E-02 9,50E-01 9,51E-01 4,96E-02 4,93E-02 4,81E-02 5,07E-02 4,63E-02 9,89E-01 1,13E-02 5,46E-02 1,17E-07 65% 4,89E-02 5,52E-02 9,43E-01 4,06E-02 2,37E-06 2,92E-02 4,59E-02 4,36E-02 5,44E-01 6,16E-01 4,96E-02 5,07E-02 4,99E-02 5,00E-02 9,50E-01 Dari tabel 7 hingga 9 dapat dilihat bahwa error pada hasil pelatihan juga cukup berpengaruh pada proses pengenalan. Percobaan 2 yang mempunyai error terbesar pada proses pelatihan juga memiliki error terbesar ketika proses pengenalan. V. KESIMPULAN Dari keseluruhan proses penelitian yang telah dilaksanakan dapat ditarik kesimpulan bahwa Jaring Saraf Tiruan dapat mengenali klasifikasi gelombang-gelombang harmonisa. Penggunaan persamaan dua hidden layer yang digagas oleh Guang-Bin Huang dalam menentukan jumlah layer dan node terbukti lebih efektif untuk digunakan dalam Jaring Saraf Tiruan dari pada penggunaan satu hidden layer. Pada proses pelatihan, data harmonisa dengan distorsi 0% sebaiknya menggunakan pengkodean B karena akan memberikan error yang lebih kecil pada saat proses pelatihan. UCAPAN TERIMA KASIH Penulis A.W.S. berterima kasih kepada Stan Zurek dan Arfian Edi Tama atas programnya yang telah membantu penulis dalam mengerjakan penelitiannya. DAFTAR PUSTAKA [1] Srinivasan, D., "Neural-network-based Signature Recognition for Harmonic Source Identification", IEEE Transactions on Power Delivery, Vol. 21, No. 1 pp , [2] Lin, Hsiung Cheng, "Intelligent Neural Network Based Fast Power System Harmonic Detection", IEEE Transaction on Industrial Electronics, Vol. 54, No. 1 pp.43-51, [3] Arrillaga, J., Watson, N.R., Power System Harmonics Second Edition, John Wiley & Sons Ltd, England, Ch. 1,2, [4] Chen, C.I., and Chang, G.W., Virtual Instrumentation and Educational Platform for Time-Varying Harmonic and Interharmonic Detection, IEEE Transactions on Industrial Electronics, Vol. 57, No. 10, pp , October, [5] Radiana, S.G., Discreate Fourier Transform Menjadi Fast Fourier Transform <URL:http//te.ugm.ac.id/~risanuri/isyaratsystem/paperD FTkeFFT.pdf>, Desember [6] Tang, Q., Teng, Z., Guo, S., and Wang, Y., Design of Power Quality Monitoring System Based on LabVIEW, Proc. of IEEE International Conference on Measuring Technology and Mechatronics Automation, pp , Hunan, April, [7] Dehghani, M.J., Comparison of S-Transform and Wavelet Transform in Power Quality Analysis, World Academy of Science, Engineering and Technology, Vol. 50, pp , [8] Stockwell, R.G., Why Use The S-Transform?, Colorado Research Associates Division, [9] Ponce-Cruz, Pedro, Ramírez-Figueroa, Fernando D., "Intelligent Control Systems with LabVIEW", Springer, London, Ch. 3, [10] Smagt, Patrick van der, "An Inroduction to Neural Network", The University of Amsterdam, Ch. 2, [11] Purnomo, M.H., Agus K., "Supervised Neural Networks dan aplikasinya", Graha Ilmu, Yogyakarta, Bab. 3, [12] Edi Tama, Arfian, "Desain Sistem Pendeteksian dan Monitoring Harmonisa Arus Secara Online Menggunakan Transformasi S Berbasis LabVIEW", Tugas Akhir, Bab. 3-4, [13] Zurek, Stan, "anetka 2.0", Cardiff University, [14] Huang, Guang-Bin, "Learning Capability and Storage Capacity of Two-Hidden-Layer Feedforward Networks", IEEE Transactions on Neural Networks, Vol. 14, No. 2 pp , BIOGRAFI PENULIS Andika Wahyu Saputra dilahirkan di Surabaya pada tanggal 17 Juli 1990, anak semata wayang dari pasangan Bapak Wahyu Priyanto dan Ibu Eni Sutilah. Pendidikan dasar ditempuh di SD Negeri Simokerto 2/135 Surabaya lulus tahun Kemudian melanjutkan ke SMP Negeri 6 Surabaya lulus tahun Selanjutnya, sekolah di SMA Negeri 1 Surabaya lulus tahun Saat ini sedang menyelesaikan studi program sarjana di Jurusan Teknik Elektro ITS pada bidang Teknik Sistem Tenaga. Selain pernah aktif sebagai staff departemen Komunikasi dan Informasi (Kominfo)Badan Eksekutif Mahasiswa FTI-ITS pada tahun , penulis juga pernah mendapatkan medali perak pada Pekan Mahasiswa Nasional XIV (PIMNAS XIV) di Makassar pada tahun 2011.
Rancang Bangun Sistem Pendeteksian dan Monitoring Harmonisa Menggunakan Metode DFT
Rancang Bangun Sistem Pendeteksian dan Monitoring Harmonisa Menggunakan Metode DFT Disampaikan Oleh, Dimas Okky Anggriawan 2209100195 Dosen Pembimbing : Prof. Dr. Ir. Mauridhi Hery Purnomo, M.Eng Dr. Ardyono
Lebih terperinciDesain Sistem Pendeteksian dan Monitoring Harmonisa Arus Secara Online Menggunakan Transformasi S Berbasis LabVIEW
PROCEEDIG SEMIAR TUGAS AKHIR JURUSA T.ELEKTRO PERIODE SEMESTER GEAP 2011-2012 1-6 1 Desain Sistem Pendeteksian dan Monitoring Harmonisa Arus Secara Online Menggunakan Transformasi S Berbasis LabVIEW Arfian
Lebih terperinciMODEL ANALISA BERBASIS JARINGAN SARAF TIRUAN UNTUK MENGURANGI DISTORSI HARMONISA PADA GEDUNG PUSAT KOMPUTER
MODEL ANALISA BERBASIS JARINGAN SARAF TIRUAN UNTUK MENGURANGI DISTORSI HARMONISA PADA GEDUNG PUSAT KOMPUTER Indra Yasri 1, Edy Ervianto 2, Edo Satrio Noviando 3 (1) (2) Jurusan Teknik Elektro, Universitas
Lebih terperinciAnalisis Aliran Daya Harmonisa Dengan Metode ZBR Pada Sistem Distribusi Tiga Fasa Weakly Meshed
Analisis Aliran Daya Harmonisa Dengan Metode ZBR Pada Sistem Distribusi Tiga Fasa Weakly Meshed Nurafiatullah, Ontoseno Penangsang., dan Adi Soeprijanto. Jurusan Teknik Elektro, Fakultas Teknologi Industri,
Lebih terperinciANALISIS HARMONISA YANG DIHASILKAN CYCLOCONVERTER DENGAN BERBAGAI PARAMETER
ANALISIS HARMONISA YANG DIHASILKAN CYCLOCONVERTER DENGAN BERBAGAI PARAMETER Prof. Dr. Ir. Iwa Garniwa M.K., MT., Fikri Umar Bajuber Departemen Teknik Elektro, Fakultas Teknik, Kampus UI, Depok, 16424,
Lebih terperinciPENGENALAN SUARA MANUSIA DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN MODEL PROPAGASI BALIK
ABSTRAK PENGENALAN SUARA MANUSIA DENGAN MENGGUNAKAN Dosen Jurusan Teknik Elektronika Fakultas Teknik Universitas Negeri Makassar Pada penelitian ini dibuat sebuah sistem pengenalan suara manusia dengan
Lebih terperinciBAB I PENDAHULUAN. resistor, kapasitor ataupun op-amp untuk menghasilkan rangkaian filter. Filter analog
BAB I PENDAHULUAN 1.1 Latar Belakang Filter merupakan suatu perangkat yang menghilangkan bagian dari sinyal yang tidak di inginkan. Filter digunakan untuk menglewatkan atau meredam sinyal yang di inginkan
Lebih terperinciAnalisis Vibrasi untuk Klasifikasi Kerusakan Motor di PT Petrokimia Gresik Menggunakan Fast Fourier Transform dan Neural Network
JURNAL TEKNIK POMITS Vol. 1, No. 1, (14) 1-6 1 Analisis Vibrasi untuk Klasifikasi Kerusakan Motor di PT Petrokimia Gresik Menggunakan Fast Fourier Transform dan Neural Network Nirma Priatama, Dimas Anton
Lebih terperinciPREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK
PREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK Yudhi Andrian 1, Erlinda Ningsih 2 1 Dosen Teknik Informatika, STMIK Potensi Utama 2 Mahasiswa Sistem Informasi, STMIK
Lebih terperinciPenggunaan Filter Daya Aktif Paralel untuk Kompensasi Harmonisa Akibat Beban Non Linier Menggunakan Metode Cascaded Multilevel Inverter
Penggunaan Filter Daya Aktif Paralel untuk Kompensasi Harmonisa Akibat Beban Non Linier Menggunakan Metode Cascaded Multilevel Inverter Renny Rakhmawati 1, Hendik Eko H. S. 2, Setyo Adi Purwanto 3 1 Dosen
Lebih terperinciBAB I PENDAHULUAN. jarang diperhatikan yaitu permasalahan harmonik. harmonik berasal dari peralatan yang mempunyai karakteristik nonlinier
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Energi listrik merupakan suatu sumber energi yang menjadi kebutuhan pokok dalam kehidupan manusia di dunia saat ini. Energi listrik dibangkitkan di pusat pembangkit
Lebih terperinciPERANCANGAN SISTEM KONTROL POSISI DAN KECEPATAN PADA KAPAL SELAM MENGGUNAKAN JARINGAN SARAF TIRUAN
ABSTRAK PERANCANGAN SISTEM KONTROL POSISI DAN KECEPATAN PADA KAPAL SELAM MENGGUNAKAN JARINGAN SARAF TIRUAN Agus Syahril / 0322013 Jurusan Teknik Elektro, Fakultas Teknik Universitas Kristen Maranatha Jl.
Lebih terperinciI Wayan Rinas. Jurusan Teknik Elektro, Fakultas Teknik, Universitas Udayana Kampus Bukit Jimbaran, Bali, *
Simulasi Penggunaan Filter Pasif, Filter Aktif dan Filter Hybrid Shunt untuk Meredam Meningkatnya Distorsi Harmonisa yang Disebabkan Oleh Munculnya Gangguan Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciANALISIS HARMONIK DAN PERANCANGAN SINGLE TUNED FILTER PADA SISTEM DISTRIBUSI STANDAR IEEE 18 BUS DENGAN MENGGUNAKAN SOFTWARE ETAP POWER STATION 4.
Jurnal Emitor Vol. 15 No. 02 ISSN 1411-8890 ANALISIS HARMONIK DAN PERANCANGAN SINGLE TUNED FILTER PADA SISTEM DISTRIBUSI STANDAR IEEE 18 BUS DENGAN MENGGUNAKAN SOFTWARE ETAP POWER STATION 4.0 Novix Jefri
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 terperinciPERANCANGAN PROTOTIPE MONITORING PARAMETER PARAMETER TRANSFORMATOR DAYA SECARA ONLINE BERBASIS MIKROKONTROLER
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 PERANCANGAN PROTOTIPE MONITORING PARAMETER PARAMETER TRANSFORMATOR DAYA SECARA ONLINE BERBASIS MIKROKONTROLER Nata Khakima Adhuna, Prof. Dr. Ir. Mauridhi
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 SPEAKER IDENTIFICATION DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) A-31
JURNAL SAINS DAN SENI ITS Vol 4, No2, (2015) 2337-3520 (2301-928X Print) A-31 Perbandingan Performansi Metode Peramalan Fuzzy Time Series yang Dimodifikasi dan Jaringan Syaraf Tiruan Backpropagation (Studi
Lebih terperinciABSTRAKSI ANALISIS DISTORSI HARMONIK PADA SISTEM DISTRIBUSI DAN REDUKSINYA MENGGUNAKAN TAPIS HARMONIK DENGAN BANTUAN ETAP POWER STATION 4.
ABSTRAKSI ANALISIS DISTORSI HARMONIK PADA SISTEM DISTRIBUSI DAN REDUKSINYA MENGGUNAKAN TAPIS HARMONIK DENGAN BANTUAN ETAP POWER STATION 4. 0 TUGAS AKHIR Disusun Sebagai Salah Satu Syarat Menyelesaikan
Lebih terperinciSistem Pengemudian Otomatis pada Kendaraan Berroda dengan Model Pembelajaran On-line Menggunakan NN
Sistem Pengemudian Otomatis pada Kendaraan Berroda dengan Model Pembelajaran On-line Menggunakan Eru Puspita Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh Nopember Kampus ITS Keputih
Lebih terperinciReduksi Harmonisa dan Ketidakseimbangan Tegangan menggunakan Hybrid Active Power Filter Tiga Fasa berbasis ADALINE-Fuzzy
Reduksi Harmonisa dan Ketidakseimbangan Tegangan menggunakan Hybrid Active Power Filter Tiga Fasa berbasis ADALINE-Fuzzy Oleh: Marselin Jamlaay 2211 201 206 Dosen Pembimbing: 1. Prof. Dr. Ir. Mochamad
Lebih terperinciDETEKSI KERUSAKAN ROTOR BAR MOTOR INDUKSI MENGGUNAKAN ANALISIS ARUS OUTPUT INVERTER BERBASIS WAVELET
SEMINAR TUGAS AKHIR JUNI 2013 DETEKSI KERUSAKAN ROTOR BAR MOTOR INDUKSI MENGGUNAKAN ANALISIS ARUS OUTPUT INVERTER BERBASIS WAVELET Oleh: Rifaldy Swasetyasakti 2209100080 Dosen Pembimbing Prof. Ir. Mochamad
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Umum Suatu sistem tenaga listrik dikatakan ideal jika bentuk gelombang arus yang dihasilkan dan bentuk gelombang tegangan yang disaluran ke konsumen adalah gelombang sinus murni.
Lebih terperinciBAB 1 PENDAHULUAN. ini terlihat dengan semakin banyaknya penggunaan peralatan elektronik baik pada
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dewasa ini peralatan elektronika daya cukup berkembang dengan pesat. Hal ini terlihat dengan semakin banyaknya penggunaan peralatan elektronik baik pada rumah tangga,
Lebih terperinciFILTER AKTIF SHUNT 3 PHASE BERBASIS ARTIFICIAL NEURAL NETWORK (ANN) UNTUK MENGKOMPENSASI HARMONISA PADA SISTEM DISTRIBUSI 220/380 VOLT
FILTER AKTIF SHUNT 3 PHASE BERBASIS ARTIFICIAL NEURAL NETWORK (ANN) UNTUK MENGKOMPENSASI HARMONISA PADA SISTEM DISTRIBUSI 220/380 VOLT Nama : Andyka Bangun Wicaksono NRP : 22 2 111 050 23 Dosen Pembimbing
Lebih terperinciDesain dan Simulasi Konverter Buck Sebagai Pengontrol Tegangan AC Satu Tingkat dengan Perbaikan Faktor Daya
1 Desain dan Simulasi Konverter Buck Sebagai Pengontrol Tegangan AC Satu Tingkat dengan Perbaikan Faktor Daya Dimas Setiyo Wibowo, Mochamad Ashari dan Heri Suryoatmojo Teknik Elektro, Fakultas Teknologi
Lebih terperinciBAB I PENDAHULUAN. industri, tegangan masukan pada peralatan tersebut seharusnya berbentuk
BAB I PENDAHULUAN A. Latar Belakang Saat ini kebutuhan energi listrik untuk rumah tangga dan industri pada umumnya dipenuhi oleh PT. PLN (persero). Akan tetapi pada sistem tenaga listirk banyak terjadi
Lebih terperinciAbstrack. Keyword: Harmonics, Artificial Neural Network, Non Linier Load
Studi Penerapan ANN (Artificial Neural Network) Untuk Menghilangkan Harmonisa Pada Gedung Pusat Komputer *Edo Satrio Noviando, Edy Ervianto, Indra Yasri** *Alumni Teknik Elektro Universitas Riau **Jurusan
Lebih terperinciPenerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6
Penerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6 Sari Indah Anatta Setiawan SofTech, Tangerang, Indonesia cu.softech@gmail.com Diterima 30 November 2011 Disetujui 14 Desember 2011
Lebih terperinciALGORITMA BACKPROPAGATION PADA JARINGAN SARAF TIRUAN UNTUK PENGENALAN POLA WAYANG KULIT
ALGORITMA BACKPROPAGATION PADA JARINGAN SARAF TIRUAN UNTUK PENGENALAN POLA WAYANG KULIT Kristian Adi Nugraha 1), Albertus Joko Santoso 2), Thomas Suselo 3) 1,2,3) Program Studi Magister Teknik Informatika,
Lebih terperinciSistem Perbaikan Faktor Daya Pada Penyearah Diode Tiga Phasa Menggunakan Hysteresis Current Control
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Sistem Perbaikan Faktor Daya Pada Penyearah Diode Tiga Phasa Menggunakan Hysteresis Current Control Denny Prisandi, Heri Suryoatmojo, Mochamad Ashari Jurusan
Lebih terperinciSIMULASI PEMASANGAN FILTER HARMONISA PADA SISTEM TENAGA LISTRIK MENGGUNAKAN SOFTWARE ETAP
Prosiding Seminar Nasional Volume 02, Nomor 1 ISSN 2443-1109 SIMULASI PEMASANGAN FILTER HARMONISA PADA SISTEM TENAGA LISTRIK MENGGUNAKAN SOFTWARE ETAP Abdul Haris Mubarak 1 Universitas Cokroaminoto Palopo
Lebih terperinciBAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
8 BAB 2 LANDASAN TEORI 2.1 Teori Neuro Fuzzy Neuro-fuzzy sebenarnya merupakan penggabungan dari dua studi utama yaitu fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pada penyaluran energi listrik dari tingkat pembangkit sampai tingkat beban, seringkali terdapat gangguan-gangguan yang bisa berupa ketidakseimbangan tegangan pada
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 terperinciJURNAL TEKNIK ITS Vol. 1, No. 1 (Sept. 2012) ISSN: B-97
JURNAL TEKNIK ITS Vol. 1, No. 1 (Sept. 2012) ISSN: 2301-9271 B-97 Evaluasi Harmonisa dan Perencanaan Filter Pasif pada Sisi Tegangan 20 Akibat Penambahan Beban pada Sistem Kelistrikan Pabrik Semen Tuban
Lebih terperinciANALISIS HUBUNGAN ANTARA TINGKAT PENGENALAN JARINGAN SYARAF TIRUAN DENGAN BANYAKNYA JUMLAH KELAS POLA YANG DIKENALI DAN TINGKAT KERUMITAN POLANYA
ISSN: 1693-6930 159 ANALISIS HUBUNGAN ANTARA TINGKAT PENGENALAN JARINGAN SYARAF TIRUAN DENGAN BANYAKNYA JUMLAH KELAS POLA YANG DIKENALI DAN TINGKAT KERUMITAN POLANYA Iwan Suhardi, Riana T. Mangesa Jurusan
Lebih terperinciPeredaman Harmonik Arus pada Personal Computer All In One Menggunakan Passive Single Tuned Filter
Mustamam, Azmi Rizki Lubis, Peredaman... ISSN : 598 99 (Online) ISSN : 5 364 (Cetak) Peredaman Harmonik Arus pada Personal Computer All In One Menggunakan Passive Single Tuned Filter Mustamam ), Azmi Rizki
Lebih terperinciPENGENALAN TULISAN TANGAN AKSARA BATAK TOBA MENGGUNAKAN JARINGAN SARAF TIRUAN BERBASIS MULTILAYER PERCEPTRON
PENGENALAN TULISAN TANGAN AKSARA BATAK TOBA MENGGUNAKAN JARINGAN SARAF TIRUAN BERBASIS MULTILAYER PERCEPTRON Disusun oleh : Nama : J. Rio Sihombing NRP : 0322129 Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinciDesain Filter Aktif Shunt menggunakan kontroler Hysterisis Untuk Mengkompensasi Harmonisa dengan Sumber Tegangan Yang Tidak Ideal.
Desain Filter Aktif Shunt menggunakan kontroler Hysterisis Untuk Mengkompensasi Harmonisa dengan Sumber Tegangan Yang Tidak Ideal. RESKY OKTANTYA 2206 100 075 LATAR BELAKANG Semakin meluas dan banyaknya
Lebih terperinciReduksi Harmonisa Arus Sumber Tiga-Fasa Dengan Transformator Penggeser Fasa
Vol. 2, 2017 Reduksi Harmonisa Arus Sumber Tiga-Fasa Dengan Transformator Penggeser Fasa I. M. Wiwit Kastawan Jurusan Teknik Konversi Energi, Politeknik Negeri Bandung Jl. Gegerkalong Hilir, Bandung Barat,
Lebih terperinciBAB II DASAR TEORI Jaringan Syaraf Tiruan. Universitas Sumatera Utara
BAB II DASAR TEORI Landasan teori adalah teori-teori yang relevan dan dapat digunakan untuk menjelaskan variabel-variabel penelitian. Landasan teori ini juga berfungsi sebagai dasar untuk memberi jawaban
Lebih terperinciBAB 1 PENDAHULUAN. kelistrikan maka konsumsi daya semakin meningkat. Seperti halnya komputer,
BAB 1 PENDAHULUAN 1.1. Latar Belakang Sitem kelistrikan berkembang begitu cepat. Semakin berkembangnya kelistrikan maka konsumsi daya semakin meningkat. Seperti halnya komputer, pendingin ruangan (AC),
Lebih terperinciPENGUKURAN TINGKAT HARMONISA PADA BEBERAPA MERK JUICER (DENGAN STANDAR IEC )
ENGUKURAN TINGKAT HARMONISA ADA BEBERAA MERK JUICER (DENGAN STANDAR ) Vitra Juniva, Rachman Hasibuan Konsentrasi Teknik Energi Listrik, Departemen Teknik Elektro Fakultas Teknik Universitas Sumatera Utara
Lebih terperinciESTIMASI PRODUKTIVITAS PEKERJA KONSTRUKSI DENGAN PROBABILISTIC NEURAL NETWORK
ESTIMASI PRODUKTIVITAS PEKERJA KONSTRUKSI DENGAN PROBABILISTIC NEURAL NETWORK Lila Ayu Ratna Winanda Dosen Teknik Sipil FTSP ITN Malang ABSTRAKSI Pekerjaan konstruksi yang tengah menggeliat bangkit tidak
Lebih terperinciBAB I PENDAHULUAN. perkembangan teknologi kala ini. Peralatan-peralatan yang biasa dijalankan secara
BAB I PENDAHULUAN 1.1. Latar Belakang Pemakaian listrik dari hari ke hari semakin meningkat seiring dengan perkembangan teknologi kala ini. Peralatan-peralatan yang biasa dijalankan secara manual, sekarang
Lebih terperinciOleh : ARI YUANTI Nrp
TUGAS AKHIR DESAIN DAN SIMULASI FILTER DAYA AKTIF SHUNT UNTUK KOMPENSASI HARMONISA MENGGUNAKAN METODE CASCADED MULTILEVEL INVERTER Oleh : ARI YUANTI Nrp.. 2207 100 617 Dosen Pembimbing Prof. Dr. Ir. Mochamad
Lebih terperinciT 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX
T 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX Oleh: Intan Widya Kusuma Program Studi Matematika, FMIPA Universitas Negeri yogyakarta
Lebih terperinciDETEKSI HUBUNG SINGKAT PADA BELITAN STATOR MOTOR INDUKSI TIGA FASA TANPA BEBAN MENGGUNAKAN JARING SYARAF TIRUAN
DETEKSI HUBUNG SINGKAT PADA BELITAN STATOR MOTOR INDUKSI TIGA FASA TANPA BEBAN MENGGUNAKAN JARING SYARAF TIRUAN Pre s e n ter : N a n a n g Ha r d i a n to (2205.100.196) Pemb i m b i n g : Pro f. Dr.
Lebih terperinciPengaruh Bentuk Gelombang Pembawa Terhadap Harmonisa pada Inverter Satu Fasa
Pengaruh Bentuk Gelombang Pembawa Terhadap Harmonisa pada Inverter Satu Fasa Iim Nursalim¹, Bambang Susanto², Agus Rusdiyanto³, Nanang Ismail 4 1,4 Teknik Elektro UIN SGD Bandung Jl. A.H. Nasution No.
Lebih terperinciArchitecture Net, Simple Neural Net
Architecture Net, Simple Neural Net 1 Materi 1. Model Neuron JST 2. Arsitektur JST 3. Jenis Arsitektur JST 4. MsCulloh Pitts 5. Jaringan Hebb 2 Model Neuron JST X1 W1 z n wi xi; i1 y H ( z) Y1 X2 Y2 W2
Lebih terperinciPERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK
Jurnal POROS TEKNIK, Volume 6, No. 2, Desember 2014 : 55-10 PERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK Nurmahaludin (1) (1) Staff Pengajar Jurusan
Lebih terperinciANALISIS ALGORITMA INISIALISASI NGUYEN-WIDROW PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK
ANALISIS ALGORITMA INISIALISASI NGUYEN-WIDROW PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK Yudhi Andrian 1, M. Rhifky Wayahdi 2 1 Dosen Teknik Informatika,
Lebih 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 terperinciBAB I PENDAHULUAN. menggunakan rangkaian elektronika yang terdiri dari komponen-komponen seperti
BAB I PENDAHULUAN 1.1 Latar Belakang Filter merupakan suatu rangkaian yang berfungsi untuk melewatkan sinyal frekuensi yang diinginkan dan menahan sinyal frekuensi yang tidak dikehendaki serta untuk memperkecil
Lebih terperinciPREDIKSI PENDAPATAN ASLI DAERAH KALIMANTAN BARAT MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PREDIKSI PENDAPATAN ASLI DAERAH KALIMANTAN BARAT MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Dwi Marisa Midyanti Sistem Komputer Universitas Tanjungpura Pontianak Jl Prof.Dr.Hadari Nawawi, Pontianak
Lebih 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 I PENDAHULUAN. lainnya. Contohnya yaitu beban beban nonlinier, terutama peralatan listrik berbasis
BAB I PENDAHULUAN 1.1 Latar Belakang Pada zaman modern seperti sekarang ini orang semakin dimudahkan dalam melakukan suatu pekerjaan dengan bantuan peralatan yang berteknologi tinggi. Peralatan yang berteknologi
Lebih terperinciALGORITMA BACKPROPAGATION PADA JARINGAN SARAF TIRUAN UNTUK PENGENALAN POLA WAYANG KULIT
ALGORITMA BACKPROPAGATION PADA JARINGAN SARAF TIRUAN UNTUK PENGENALAN POLA WAYANG KULIT Kristian Adi Nugraha 1), Albertus Joko Santoso 2), Thomas Suselo 3) 1,2,3) Program Studi Magister Teknik Informatika,
Lebih terperinciSKRIPSI. Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata I Teknik Elektro Universitas Muhammadiyah Malang.
DESAIN PENGUNAAN FILTER AKTIF SHUNT BERBASIS FUZZY LOGIC CONTROLLER UNTUK MENGURANGI HARMONISA PADA SISTEM KELISTRIKAN UNIVERSITAS MUHAMMADIYAH MALANG (KAMPUS 3 GKB 1) SKRIPSI Diajukan Untuk Memenuhi Persyaratan
Lebih terperinciPERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK EVALUASI KETEPATAN PREDIKSI WAKTU KERUSAKAN SUATU KOMPONEN
Feng PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK... 211 PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK EVALUASI KETEPATAN PREDIKSI WAKTU KERUSAKAN SUATU KOMPONEN Tan
Lebih terperinciPENGATURAN KECEPATAN DAN POSISI MOTOR AC 3 PHASA MENGGUNAKAN DT AVR LOW COST MICRO SYSTEM
PENGATURAN KECEPATAN DAN POSISI MOTOR AC 3 PHASA MENGGUNAKAN DT AVR LOW COST MICRO SYSTEM Fandy Hartono 1 2203 100 067 Dr. Tri Arief Sardjono, ST. MT. 2-1970 02 12 1995 12 1001 1 Penulis, Mahasiswa S-1
Lebih terperinciBAB 1 PENDAHULUAN. proses yang kontinu membutuhkan komponen-komponen elektronika dan komponen
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Kebutuhan peningkatan produktifitas dalam industri dan diinginkannya suatu proses yang kontinu membutuhkan komponen-komponen elektronika dan komponen elektronika
Lebih terperinci2015 PERANCANGAN SIMULASI FILTER AKTIF 3 FASA UNTUK MEREDUKSI HARMONISA AKIBAT PENGGUNAAN BEBAN NON LINIER
1 BAB I PENDAHULUAN 1.1. Latar Belakang Dalam sistem tenaga listrik kualitas daya merupakan salah satu faktor penting yang harus diperhatikan. Kualitas daya mencakup, kontinuitas dalam penyediaan energi
Lebih terperinciPENGENALAN TULISAN TANGAN AKSARA BATAK TOBA MENGGUNAKAN JARINGAN SARAF TIRUAN BERBASIS ALGORITMA RESILIENT PROPAGATION
PENGENALAN TULISAN TANGAN AKSARA BATAK TOBA MENGGUNAKAN JARINGAN SARAF TIRUAN BERBASIS ALGORITMA RESILIENT PROPAGATION Disusun oleh : Nama : Robin Panjaitan NRP : 0622017 Jurusan Teknik Elektro, Fakultas
Lebih terperinciEVALUASI PENGARUH FUNGSI AKTIFASI DAN PARAMETER KEMIRINGANNYA TERHADAP UNJUKKERJA PENGENALAN JARINGAN SYARAF TIRUAN
EVALUASI PENGARUH FUNGSI AKTIFASI DAN PARAMETER KEMIRINGANNYA TERHADAP UNJUKKERJA PENGENALAN JARINGAN SYARAF TIRUAN (Studi Kasus pada Pengenalan Karakter Angka Tulisan Tangan) Iwan Suhardi Jurusan Teknik
Lebih terperinciSATIN Sains dan Teknologi Informasi
SATIN - Sains dan Teknologi Informasi, Vol. 2, No. 1, Juni 2015 SATIN Sains dan Teknologi Informasi journal homepage : http://jurnal.stmik-amik-riau.ac.id Jaringan Syaraf Tiruan untuk Memprediksi Prestasi
Lebih terperinciAnalisis Pengaruh Harmonisa terhadap Pengukuran KWh Meter Tiga Fasa
Analisis Pengaruh Harmonisa terhadap Pengukuran KWh Meter Tiga Fasa Agus R. Utomo Departemen Teknik Elektro, Fakultas Teknik Universitas Indonesia, Depok 16424 E-mail : arutomo@yahoo.com Mohamad Taufik
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Pencemaran air Air merupakan salah satu komponen utama dalam lingkungan yang berperan penting dalam kehidupan (Warlina, 2004). Air, yang bersumber dari sungai, danau, gletser,
Lebih terperinciAplikasi Jaringan Saraf Tiruan pada Series Active Power Filter Tiga Fasa
Aplikasi Jaringan Saraf Tiruan pada Series Active Power Filter Tiga Fasa Hanny H. Tumbelaka, Thiang, Marselin Fakultas Teknologi Industri, Jurusan Teknik Elektro, Universitas Kristen Petra Jl. Siwalankerto
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2004/2005
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2004/2005 PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANS FORMAS I WAVELET DIS KRIT D AN JARINGAN S ARAF
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Forecasting Forecasting (peramalan) adalah seni dan ilmu untuk memperkirakan kejadian di masa yang akan datang. Hal ini dapat dilakukan dengan melibatkan data historis dan memproyeksikannya
Lebih terperinciPengenalan Aksara Lampung Menggunakan Jaringan Syaraf Tiruan
Pengenalan Aksara Lampung Menggunakan Jaringan Syaraf Tiruan Adhika Aryantio School of Electrical Engineering and Informatics Institute Technology of Bandung 10th Ganeca Street Bandung, Indonesia. Adhikaaryantio.x6@gmail.com
Lebih terperinciPENGGUNAAN RADIAL BASIS FUNCTION (RBF) PADA GENERATOR TUNGGAL UNTUK OPTIMASI KINERJA POWER SYSTEM STABILIZER
PENGGUNAAN RADIAL BASIS FUNCTION (RBF) PADA GENERATOR TUNGGAL UNTUK OPTIMASI KINERJA POWER SYSTEM STABILIZER Subuh Isnur Haryudo (1,), Adi Soeprijanto (1), Mauridhi Hery Purnomo (1) (1) Jurusan Teknik
Lebih terperinciKLASIFIKASI ARITMIA EKG MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN FUNGSI AKTIVASI ADAPTIF
KLASIFIKASI ARITMIA EKG MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN FUNGSI AKTIVASI ADAPTIF Asti Rahma Julian 1, Nanik Suciati 2, Darlis Herumurti 3 Teknik Informatika, Fakultas Teknologi Informasi, ITS
Lebih terperinciBAB 1 PENDAHULUAN. Energi listrik merupakan peran penting dalam kehidupan diberbagai sektor
BAB 1 PENDAHULUAN 1.1 Latar Belakang Energi listrik merupakan peran penting dalam kehidupan diberbagai sektor seperti di industri, perkantoran, rumah tangga dan sebagainya. Seiring dengan perkembangan
Lebih terperinciDeteksi Lokasi Untuk Gangguan Multi Point Pada Jaring Tiang Distribusi 20 KV Dengan Menggunakan Metode Perambatan Gelombang Sinyal Arus Balik
Paper ID: 108 Deteksi Lokasi Untuk Multi Point Pada Jaring Tiang Distribusi 20 KV Dengan Menggunakan Metode Perambatan Gelombang Sinyal Arus Balik Diah Risqiwati 1), Ardyono Priyadi 2), dan Mauridhi Hery
Lebih terperinciAnalisis Kestabilan Transien dan Mekanisme Pelepasan Beban di PT. Pertamina (Persero) Refinery Unit (R.U.) VI Balongan Jawa Barat
JURNAL TEKNIK POMITS Vol. 1, No. 1, (013) 1-6 1 Analisis Kestabilan Transien dan Mekanisme Pelepasan Beban di PT. Pertamina (Persero) Refinery Unit (R.U.) VI Balongan Jawa Barat Syahrul Hidayat, Ardyono
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 terperinciBlind Steganalysis pada Citra Digital dengan Metode Jaringan Saraf Tiruan
Blind Steganalysis pada Citra Digital dengan Metode Jaringan Saraf Tiruan Cilvia Sianora Putri Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung Jl. Ganesha
Lebih terperinciPEMILIHAN WARNA LIPSTIK BERDASARKAN INFORMASI USIA DAN WARNA KULIT DENGAN MENGGUNAKAN METODA ARTIFICIAL NEURAL NETWORK
PEMILIHAN WARNA LIPSTIK BERDASARKAN INFORMASI USIA DAN WARNA KULIT DENGAN MENGGUNAKAN METODA ARTIFICIAL NEURAL NETWORK Bilqis Amaliah 1, Amethis Oktaorora 2 1,2 Teknik Informatika, FTIf - ITS,Surabaya
Lebih terperinciNeural Networks. Machine Learning
MMA10991 Topik Khusus - Machine Learning Dr. rer. nat. Hendri Murfi Intelligent Data Analysis (IDA) Group Departemen Matematika, Universitas Indonesia Depok 16424 Telp. +62-21-7862719/7863439, Fax. +62-21-7863439,
Lebih terperinciANALISIS VIBRASI UNTUK KLASIFIKASI KERUSAKAN MOTOR DI PT PETROKIMIA GRESIK MENGGUNAKAN FAST FOURIER TRANSFORM DAN NEURAL NETWORK
ANALISIS VIBRASI UNTUK KLASIFIKASI KERUSAKAN MOTOR DI PT PETROKIMIA GRESIK MENGGUNAKAN FAST FOURIER TRANSFORM DAN NEURAL NETWORK Nirma Priatama NRP. 2210100159 Dosen Pembimbing : Dimas Anton Asfani, ST.,
Lebih terperinciAnalisis Harmonik pada Lampu Light Emitting Diode
1 Analisis Harmonik pada Lampu Light Emitting Diode Adi Jaya Rizkiawan, Rudy Setiabudy Departemen Elektro, Fakultas Teknik, ABSTRAK Lampu Light Emitting Diode (LED) termasuk beban non-linear yang meng-injeksi
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Data Yang Digunakan Dalam melakukan penelitian ini, penulis membutuhkan data input dalam proses jaringan saraf tiruan backpropagation. Data tersebut akan digunakan sebagai
Lebih terperinciPERAMALAN HARGA SAHAM PERUSAHAAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK DAN AKAIKE INFORMATION CRITERION
Seminar Nasional Aplikasi Teknologi Informasi 20 (SNATI 20) ISSN: 19-5022 Yogyakarta, 16 Juni 20 PERAMALAN HARGA SAHAM PERUSAHAAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK DAN AKAIKE INFORMATION CRITERION
Lebih terperinciSUPERVISED NEURAL NETWORKS DAN APLIKASINYA/Mauridhi
Kata Pengantar i ii Supervised Neural Networks dan Aplikasinya Kata Pengantar iii SUPERVISED NEURAL NETWORKS DAN APLIKASINYA Oleh : Mauridhi Hery Purnomo Agus Kurniawan Edisi Pertama Cetakan Pertama, 2006
Lebih terperinciDesain Penggunaan Filter Aktif Seri Berbasis Fuzzy Polar Untuk Mengurangi Harmonisa Pada PT Tabang Coal. Oleh : I Wayan Adi Harimbawa
Desain Penggunaan Filter Aktif Seri Berbasis Fuzzy Polar Untuk Mengurangi Harmonisa Pada PT Tabang Coal Oleh : I Wayan Adi Harimbawa 2205.100.020 Dosen Pembimbing : 1. Prof. Dr. Ir. Mauridhi Hery P., M.Eng
Lebih terperinciANALISIS PENGARUH BEBAN NONLINIER TERHADAP KINERJA KWH METER INDUKSI SATU FASA
ANALISIS PENGARUH BEBAN NONLINIER TERHADAP KINERJA KWH METER INDUKSI SATU FASA Sofian Hanafi Harahap, Masykur Sjani Konsentrasi Teknik Energi Listrik, Departemen Teknik Elektro Fakultas teknik Universitas
Lebih terperinciANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION
ANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION Eka Irawan1, M. Zarlis2, Erna Budhiarti Nababan3 Magister Teknik Informatika, Universitas Sumatera
Lebih terperinciProf. Dr. Ir. Mauridhi Hery Purnomo, M.Eng. Dr. Eng.Ardyono Priyadi, S.T, M.Eng. Boby Adi Pratama
INSTITUT TEKNOLOGI SEPULUH NOPEMBER Dosen Pembimbing 1 : Prof. Dr. Ir. Mauridhi Hery Purnomo, M.Eng. Dosen Pembimbing 2 : Dr. Eng.Ardyono Priyadi, S.T, M.Eng. Boby Adi Pratama 22.09.100.110 INSTITUT TEKNOLOGI
Lebih terperinci3.2.3 Teknik pengumpulan data Analisis Data Alur Analisis... 42
DAFTAR ISI Halaman HALAMAN JUDUL... i PRASYARAT GELAR... ii LEMBAR PENGESAHAN PEMBIMBING... iii LEMBAR PERNYATAAN ORISINALITAS... iv KATA PENGANTAR... v ABSTRAK... vi ABSTRACT... vii DAFTAR ISI... DAFTAR
Lebih terperinciLaporan Implementasi Naïve Bayes dan Feed Forward Neural Network untuk Klasifikasi
Laporan Implementasi Naïve Bayes dan Feed Forward Neural Network untuk Klasifikasi dibuat oleh 707 Berusaha Imba: 13514002 M. Diaztanto Haryaputra 13514023 Fanda Yuliana Putri 13514025 Ratnadira Widyasari
Lebih terperinciWAVELET -JARINGAN SYARAF TIRUAN UNTUK PREDIKSI DATA TIME SERIES
J. Math. and Its Appl. ISSN: 1829-605X Vol. 4, No. 2, November 2007, 53 64 WAVELET -JARINGAN SYARAF TIRUAN UNTUK PREDIKSI DATA TIME SERIES Daryono Budi Utomo Jurusan Matematika FMIPA Institut Teknologi
Lebih terperinciBAB 2 KONSEP DASAR PENGENAL OBJEK
BAB 2 KONSEP DASAR PENGENAL OBJEK 2.1 KONSEP DASAR Pada penelitian ini, penulis menggunakan beberapa teori yang dijadikan acuan untuk menyelesaikan penelitian. Berikut ini teori yang akan digunakan penulis
Lebih terperinciStudi Perencanaan Filter Hybrid Untuk Mengurangi Harmonisa Pada Proyek Pakistan Deep Water Container Port
JURNAL TEKNIK ITS Vol. 4, No. 2, (2015) ISSN: 2337-3539 (2301-9271 Print) A-142 Studi Perencanaan Filter Hybrid Untuk Mengurangi Harmonisa Pada Proyek Pakistan Deep Water Container Port Rahman Efandi,
Lebih terperinciBAB 1 PENDAHULUAN. adalah rectifier, converter, inverter, tanur busur listrik, motor-motor listrik,
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dewasa ini banyak konsumen daya listrik menggunakan beban tidak linier, baik konsumen rumah tangga, perkantoran maupun industri. Contoh beban tidak linier adalah rectifier,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Artificial Neural Network Artificial neural network (ANN) / jaringan saraf tiruan adalah konsep yang merefleksikan cara kerja dari jaringan saraf biologi kedalam bentuk artificial
Lebih terperinciHUBUNGAN JUMLAH INPUT LAYER DAN OUTPUT LAYER NEURAL NETWORK TERHADAP TINGKAT AKURASI SISTEM HANDWRITING RECOGNITION DENGAN METODE BACKPROPAGATION
HUBUNGAN JUMLAH INPUT LAYER DAN OUTPUT LAYER NEURAL NETWORK TERHADAP TINGKAT AKURASI SISTEM HANDWRITING RECOGNITION DENGAN METODE BACKPROPAGATION Harjono, Didik Warasto Politeknik Pratama Mulia Surakarta
Lebih terperinciANALISIS PENGARUH HARMONISA TERHADAP FAKTOR-K PADA TRANSFORMATOR
ANALISIS PENGARUH HARMONISA TERHADAP FAKTOR-K PADA TRANSFORMATOR Eka Rahmat Surbakti, Masykur Sj Konsentrasi Teknik Energi Listrik, Departemen Teknik Elektro Fakultas Teknik Universitas Sumatera Utara
Lebih terperinci