Sistem Inspeksi Kecacatan Gelas Plastik Secara Visual Menggunakan Neural Network
|
|
- Suryadi Indradjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 5 Jurnal Teknik Elektro dan Komputer, Vol., No., April 0, 5-6 Sistem Inspeksi Kecacatan Gelas Plastik Secara Visual Menggunakan Neural Network Nur Khamdi Program Studi Teknik Mekatronika, Politeknik Caltex Riau Abstrak Sistem inspeksi visual pada industri banyak dilakukan secara manual oleh manusia. Sistem ini mempunyai berbagai kelemahan yang disebabkan oleh banyak faktor, seperti kelelahan operator, ketiadaan motivasi, pengalaman, kemahiran dan lain-lain. Untuk mengatasi masalah ini, maka sistem inspeksi visual di industri telah digantikan secara efektif oleh sistem otomatis. Pada penelitian ini dirancang sistem inspeksi kecacatan gelas plastik dengan pengukuran derajat circularity. Image dari kamera diolah dengan menggunakan threshold masing masing warna. Cropping dilakukan dengan tujuan mengambil gambar gelas plastik warna hijau, kemudian dilanjutkan pada pengolahan dengan metode neural network backpropagation untuk menentukan level kecacatan gelas plastik. Sebagai bahan perbandingan dilakukan pengukuran derajat circularity dari tampak atas image gelas plastik. Hasil dari kamera diolah dengan menggunakan image processing secara thresholding untuk menghasilkan image hitam putih. Image ini akan diolah dengan menggunakan metode identifikasi bentuk lingkaran. Metode dengan neural network mempunyai error dalam inspeksi gelas plastik warna hijau sebesar 6,67% dengan nilai prosentase yang tidak konsisten dan nilai standar deviasi 9,855. Kata kunci: Threshold, Cropping, Neural Network, Circularity. Abstract Visual inspection system in the industry is mostly done manually by humans. These systems have various weakness caused by many factors, such as operator fatigue, lack of motivation, experience, proficiency and others. To overcome this problem, then a visual inspection systems in industry has been effectively replaced by an automated system. In this study of plastic cups defect inspection system designed with measuring the degree of circularity. Image from the camera is processed by using the threshold of each color. Cropping done with the goal of taking a picture of green plastic cup, then continued on treatment with backpropagation neural network method to determine the level of plastic cups defect. As a comparison, it is measurements of the degree of circularity top view image of plastic cups. The results of the camera is processed by image processing using a thresholding to produce black and white image. This image will be processed using the method of identification of a circle. With neural network method has an error in the inspection of green plastic cups by 6.67% with a percentage value that is not consistent and the standard deviation of Keywords: Threshold, Cropping, Neural Network, Circularity. Pendahuluan Pekerjaan yang berulang ulang atau monoton dan berjumlah banyak membuat tingkat kejenuhan yang tinggi bagi manusia. Sebagai contoh pengecekan kecacatan gelas plastik yang dipantau secara monoton dengan jumlah banyak di sebuah pabrik pembuatan gelas plastik. Sebuah kamera digunakan sebagai pengganti mata manusia, hasil dari rekaman kamera diolah melalui pengolahan image yang sedang berkembang pesat saat ini. Proses ini dapat menggantikan posisi manusia sebagai pekerjanya. Dalam pengecekan kecacatan ini dapat dilakukan dengan metode neural network. Metode neural network ini terbagi menjadi dua bagian yaitu proses pembelajaran dan pengujian.
2 Sistem Inspeksi Kecacatan Gelas Plastik Secara Visual Menggunakan 55 Metode Penelitian Sistem penelitian ini menggunakan dua buah metode yaitu metode menggunakan neural network dan pengukuran derajat circularity. Kedua metode ini menggunakan kamera yang terpasang di atas dan depan obyek untuk metode neural network dan sebuah kamera yang terpasang di atas obyek. Untuk jelasnya dapat terlihat pada Gambar. Gambar Sistem penelitian. Dan untuk blok diagram masing masing metode dapat terlihat pada Gambar dan Gambar. Gambar Blok diagram metode neural network. Pada Gambar image processing digunakan untuk melakukan cropping gelas plastik. Dan neural network digunakan untuk menentukan kecacatan dari gambar gelas plastik. Proses ini berlangsung secara real time menggunakan kamera yang terpasang secara fix dari arah depan dan atas, dengan kondisi gelas plastik berjalan di konveyor. Untuk memperjelas proses penelitian ini dapat dilihat pada flowchart yang terlihat pada Gambar.
3 56 Nurkhamdi Gambar Flowchart penelitian. Neural network merupakan metode untuk menentukan kecacatan pada penelitian ini. Jenis neural network yang digunakan dalam penelitian ini adalah backpropagation neural network. Dalam proses neural network ini terbagai menjadi (dua) proses yaitu proses pembelajaran (training) dan proses penentuan hasil kecacatan. Dan untuk arsitektur neural network pada pada penelitian ini dapat dilihat pada Gambar dengan jumlah input 555 dan output. Proses training pada neural network merupakan proses yang jelas dijalankan sebelum melakukan penentuan. Pada penelitian ini proses training menggunakan software yang ada, dengan tujuan untuk mempercepat hasil trainingnya. Dari hasil training akan memperoleh nilai bobot (weight) dan bias pada masing masing neoron. Adapun sebelum melakukan training ada beberapa hal yang dilakukan yaitu:. Menentukan data yang akan ditraining, dalam penelitian ini berupa image gelas plastik.. Menentukan nilai target untuk masing masing jenis gelas plastik.. Menentukan jumlah neuron pada hidden layer. Menentukan jenis transfer function untuk masing masing hidden layer 5. Menentukan jenis training 6. Menyimpan nilai bobot (weight) dan bias
4 Sistem Inspeksi Kecacatan Gelas Plastik Secara Visual Menggunakan 57 Pada proses pengujian neural network akan bekerja untuk menentukan kecacatan gelas plastik. Nilai bobot dan bias pada neural network ini menggunakan nilai hasil dari training dengan cara memanggil file yang telah tersimpan. Gambar Arsitektur neural network penelitian. Analisa Data Dalam pengambilan data image gelas plastik, melalui buah kamera yang terpasang di depan dan di atas gelas plastik. Jarak kamera depan dengan obyek adalah 5 cm, sedangkan untuk kamera atas berjarak 5 cm. Untuk peletakan buah kamera dan sistem kerja inspeksi kecacatan gelas plastik dapat di lihat pada Gambar 5. Gambar 5 Sistem kerja inspeksi gelas plastik. Untuk menentukan jaringan yang akan digunakan dalam neural network akan dipilih berdasarkan nilai mse kecil dan waktu yang kecil pula. Hal ini dilakukan untuk mempercepat proses neural network. Berdasarkan Tabel dapat terlihat bahwa nilai mean square error (mse)
5 58 Nurkhamdi untuk tiga terkecil adalah 0,0008 ; 0,0009 dan 0,00. Selain memperhatikan nilai mse juga waktu proses. Dalam penelitian ini diambil adalah nilai mse 0,00 dengan waktu 00:5 detik. Tabel Training neural network. No HL Neuron Fungsi Aktivasi MSE Waktu (s) Ak Ak Ak Ak Ak Ak Ak Ak Ak Ak Ak Ak Ak Ak Ak Ak Ak Ak Ak Ak Ak Ak 0,077 0,0 0,05 0,00 0,059 0,009 0,056 0,06 0,06 0,00 0,067 0,00 0,00 0,005 0,00 0,00 0,000 0,00 0,0009 0, :06 00:07 00:08 00:07 00: 00: 00:6 00: 00: 00:0 00:0 00:5 00:8 00:9 00:50 00:59 0:5 0:8 :6 :0 Ket: Ak : logsig Ak : purelin Setelah mengetahui jaringan untuk penelitian menggunakan metode neural network ini maka dilakukan pengujian secara online yang menggunakan buah kamera sebagai pengambil image pada obyek. Dalam proses pengambilan data ini dapat dilihat pada flowchart pada Gambar 6. Pada uji sistem ini, obyek berupa gelas plastik warna hijau yang telah ditentukan menjadi bagian kecacatan gelas yaitu:. Gelas kw mempunyai kesempurnaan 85% - 00%. Gelas kw mempunyai kesempurnaan 5% - 8%. Gelas kw mempunyai kesempurnaan 0% - % Dalam uji sistem ini, gelas diletakkan diatas konveyor kemudian dijalankan program start dan hasil setelah gelas melewati sensor maka akan muncul hasil inspeksi gelas, seperti pada Gambar 7. Dengan melakukan yang sama untuk gelas sebanyak 0 kali didapat data hasil inspeksi gelas, seperti pada Tabel dan contoh tampilan hasil percobaan ini ditunjukkan pada Gambar 8.
6 Sistem Inspeksi Kecacatan Gelas Plastik Secara Visual Menggunakan 59 Gambar 6 Flowchart sistem kerja. Gambar 7 Contoh tampilan program sistem inspeksi gelas plastik.
7 60 Nurkhamdi Tabel Hasil inspeksi gelas. No Jenis Gelas Waktu (detik) Nilai Ket ,6 0, 0,0 0,6 0, 0, 0, 0,6 0,7 0,0 0,5 0, 0, 0, 0,0 0, 0,6 0,0 0, 0, Tidak Berdasarkan data pada Tabel maka diperoleh error untuk inspeksi gelas sebesar: Jadi kesimpulan inspeksi gelas yang telah dilakukan dengan sebanyak 0 percobaan mempunyai tingkat error sebesar 5%. Untuk menentukan nilai kestabilan menggunakan persamaan standart deviasi yang dinyatakan dalam Persamaan. () Dengan i = indeks data n = jumlah data = nilai rata rata x = data Berdasarkan Persamaan dan nilai pada Tabel memperoleh nilai standart deviasi sebesar,95 Dengan menggunakan cara yang sama untuk gelas dan gelas maka dapat diperoleh data seperti pada Tabel dan Tabel.
8 Sistem Inspeksi Kecacatan Gelas Plastik Secara Visual Menggunakan 6 Dari Tabel ada data yang tidak sesuai, maka berdasarkan data Tabel diperoleh error sebagai berikut : Kesimpulan pada uji inspeksi gelas, bahwa sistem inspeksi kecacatan gelas terdapat error sebesar 5%. Dan untuk menentukan standart deviasi menggunakan Persamaan, maka dari itu berdasarkan Tabel di peroleh nilai standart deviasi inspeksi gelas sebesar,567. Tabel Hasil inspeksi gelas. No Jenis Gelas Waktu (detik) Nilai Ket , 0,59 0,6 0,56 0,9 0,8 0,5 0,7 0,0 0,5 0, 0,9 0,9 0,8 0, 0,0 0,9 0,5 0, 0, Tidak Tidak Tidak Tidak Tidak Tabel Hasil inspeksi gelas. No Jenis Gelas Waktu (detik) Nilai Ket , 0,6 0, 0,5 0,0 0,9 0,5 0, 0,7 0, 0, 0,6 0, 0, 0, 0,6 0,8 0,6 0, 0, Tidak Tidak Tidak Tidak
9 6 Nurkhamdi Dengan menggunakan Tabel maka hasil inspeksi gelas dapat diketahui error sistem inspeksi gelas yaitu Kesimpulan hasil inspeksi gelas terdapat error sebesar 0%. Dan nilai standart deviasi sistem inspeksi pada gelas berdasarkan Persamaan dan Tabel adalah,55. Berdasarkan analisa berdasarkan Tabel, Tabel dan Tabel maka di peroleh sebagai berikut :. = 6,67 %. = 0, detik. = 9,855 Sehingga dapat disimpulkan bahwa inspeksi gelas plastik warna hijau mempunyai error berkisar 5 % - 5 % dengan rata rata erorr sebesar 6,67% dan waktu yang diperlukan untuk melakukan inspeksi kecacatan gelas plastik dalam satu proses sebesar 0, detik. Kesimpulan Setelah melakukan proses analisa pada sistem inspeksi gelas plastik warna hijau menggunakan metode neural network dapat diambil beberapa kesimpulan sebagai berikut:. Dalam melakukan proses inspeksi menggunakan neural network membutuhkan waktu sebesar 0, detik.. Sistem inspeksi menggunakan neural network memiliki error sebesar 6,67 % dalam 60 data percobaan dengan nilai standart deviasi 9,855. Daftar Pustaka [] Muhandri, Tj., 00, Penerapan TQM di Industri Pangan, Jurnal Teknologi dan Industri Pangan, Vol. XV No., IPB Bogor [] Kurniawan, D., Sulaiman, R., Prabuwono, A.S. dan Away, Y., 006, Integrasi Sistem Inspeksi Visual dengan Sistem Kendali Otomatis Berbasis Programmable Logic Controller (PLC), Proceeding of the 7th Seminar on Intelligent Technology and Its Applications (SITIA 006), pp. II-J-8-II-J- [] Prabuwono, A.S. dan Away, Y., Kurniawan, D., Sulaiman, R., 007, Perancangan Sistem Inspeksi Visual dengan Sistem Kendali Otomatis Berbasis Programmable Logic Controller (PLC) pada Modular Automation Production System (MPS), jurnal Teknik Gelagar vol 8, no 0, April, hal - 8 [] Meng, C.K., Away, Y., Elias, N.F. and Prabuwono, A.S., 00, The Real Time Visual Inspection System for Bottling Machine, Proceeding of the nd Conference on Computer Graphics and Multimedia (CoGRAMM 0), pp. -7.
10 Sistem Inspeksi Kecacatan Gelas Plastik Secara Visual Menggunakan 6 [5] Talabo,L., Juhana, N., Sistem Pengenalan Onyek Real-Time Dengan Jaringan Syaraf Tiruan Menggunakan Algoritma Backpropagation, Majalah Ilmiah Unikom. Vol. 5, hal. [6] Wiryadinata,R., Ana Ratnawati,D., 005, Simulasi Jaringan Syaraf Tiruan Berbasis Metode Backpropagation Sebagai Pengendali Kecepatan Motor DC, Seminar Nasional Aplikasi Teknologi Informasi (SNATI 005), ISBN , Yogyakarta [7] Nurhasanah, A., Seroso, Ahmad, U., 009, Pengembangan Algoritma Pengolahan Citra dan Jaringan Syaraf Tiruan untuk Menentukan Tingkat Kematangan Manggis, Jurnal Hasil Penelitian Pertanian Indonesia, Vol. 6 no., ISSN: 06-7, Bogor [8] Abdul Fadlil, Ikhsan Hidayat, Sunardin, 008, System Pengenalan Wajah Secara Real Time Menggunakan Jaringan Syarat Tiruan, Seminar Nasional Aplikasi Teknologi Informasi (SNATI Juni 008), Yogyakarta
BAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1. Desain Perangkat Keras Yang Dikembangkan. Gambar 8. Secara umum sistem perangkat keras telah berhasil dikembangkan sesuai desain dalam Gambar 8. Desain perangkat keras
Lebih terperinciPERANCANGAN SISTEM INSPEKSI VISUAL BERBASIS PROGRAMMABLE LOGIC CONTROLLER (PLC) PADA MODULAR AUTOMATION PRODUCTION SYSTEM (MAPS)
Anton Satria Prabuwono, Denni Kurniawan, Yuwaldi Away, Perancangan Sistem Inspeksi Visual PERANCANGAN SISTEM INSPEKSI VISUAL BERBASIS PROGRAMMABLE LOGIC CONTROLLER (PLC) PADA MODULAR AUTOMATION PRODUCTION
Lebih terperinciPENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION
PENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION ABSTRAK Juventus Suharta (0722026) Jurusan Teknik Elektro
Lebih terperinciVERIFIKASI TANDA TANGAN DENGAN METODE JARINGAN SYARAF TIRUAN HETEROASSOCIATIVE MEMORY ABSTRAK
VERIFIKASI TANDA TANGAN DENGAN METODE JARINGAN SYARAF TIRUAN HETEROASSOCIATIVE MEMORY Disusun oleh : Fabiola Zita Devy C. 0722085 Jurusan Teknik Elektro, Fakultas Teknik,, Jl.Prof.Drg.Suria Sumantri, MPH
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION ABSTRAK
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION Disusun oleh: Togu Pangaribuan 0722087 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.Drg. Suria Sumantri, MPH No. 65, Bandung
Lebih terperinciIDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION
IDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION Dila Deswari [1], Hendrick, MT. [2], Derisma, MT. [3] Jurusan Sistem Komputer, Fakultas Teknologi Informasi, Universitas Andalas [1][3]
Lebih terperinciIDENTIFIKASI KEMATANGAN BUAH JAMBU BIJI MERAH (Psidium guajava) DENGAN TEKNIK JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION SKRIPSI
IDENTIFIKASI KEMATANGAN BUAH JAMBU BIJI MERAH (Psidium guajava) DENGAN TEKNIK JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION SKRIPSI OLEH FAHMIL IKHSAN HIDAYAT 120308059 PROGRAM STUDI KETEKNIKAN PERTANIAN
Lebih terperinciPERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
PERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK OLEH ARIF MIFTAHU5R ROHMAN (2200 100 032) Pembimbing: Dr. Ir Djoko Purwanto, M.Eng,
Lebih terperinciIDENTIFIKASI NOMOR POLISI KENDARAAN BERMOTOR MENGGUNAKAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAPS (SOMS)
Powered by TCPDF (www.tcpdf.org) IDENTIFIKASI NOMOR POLISI KENDARAAN BERMOTOR MENGGUNAKAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAPS (SOMS) Inung Wijayanto¹, Iwan Iwut Tritoasmoro², Koredianto Usman³
Lebih terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciPengendalian Posisi Mobile Robot Menggunakan Metode Neural Network Dengan Umpan Balik Kamera Pemosisian Global
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Pengendalian Posisi Mobile Robot Menggunakan Metode
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 terperinciPemisahan Produk Cacad Menggunakan PLC Schneider Twido TWD20DTK
Pemisahan Produk Cacad Menggunakan PLC Schneider Twido TWD20DTK Jurusan Teknik Elektro, Politeknik Negeri Semarang E-mail : sugipoli@gmail.com Abstrak Pemisahan produk cacad di industri sangat diperlukan
Lebih terperinciPEMODELAN DINAMIKA KENDARAAN DENGAN JARINGAN SYARAF TIRUAN
PEMODELAN DINAMIKA KENDARAAN DENGAN JARINGAN SYARAF TIRUAN Satrio Dewanto Computer Engineering Department, Faculty of Engineering, BINUS University Jln. K.H. Syahdan No. 9, Palmerah, Jakarta Barat 11480
Lebih terperinciPERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI
PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh Nama : Januar Wiguna Nim : 0700717655 PROGRAM GANDA TEKNIK INFORMATIKA DAN MATEMATIKA
Lebih terperinciDAFTAR ISI.. LEMBAR PENGESAHAN SURAT PERNYATAAN ABSTRAK.. ABSTRACT... DAFTAR TABEL.. DAFTAR PERSAMAAN..
ABSTRAK Perkembangan teknologi yang semakin pesat, membuat semakin sedikitnya suatu industri yang memakai operator dalam menjalankan suatu proses produksi. Pada saat ini, kontrol otomatis lebih banyak
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER
BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER Dalam analisis dan perancangan sistem program aplikasi ini, disajikan mengenai analisis kebutuhan sistem yang digunakan, diagram
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Perancangan Sistem Neural Network di Matlab Gambar 3.1 Blok Diagram Perancangan Sistem Neural network 3.1.1 Training Neural Network Untuk pelatihan neural network penulis lebih
Lebih terperinciKontrol Modular Production System Berbasis PLC Siemens S7-300 Dengan Menggunakan HMI Touch Panel
Kontrol Modular Production System Berbasis PLC Siemens S7-300 Dengan Menggunakan HMI Touch Panel Damaris Tanojo Electrical Engineering Dept. Universitas Surabaya, Raya Kalirungkut Surabaya, damaristanojo@ubaya.ac.id
Lebih terperinciSISTEM PENGENALAN PENGUCAPAN HURUF VOKAL DENGAN METODA PENGUKURAN SUDUT BIBIR PADA CITRA 2 DIMENSI ABSTRAK
SISTEM PENGENALAN PENGUCAPAN HURUF VOKAL DENGAN METODA PENGUKURAN SUDUT BIBIR PADA CITRA 2 DIMENSI Adhi Fajar Sakti Wahyudi (0722062) Jurusan Teknik Elektro Email: afsakti@gmail.com ABSTRAK Teknologi pengenalan
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB III METODE PENELITIAN. Penelitian ini dilakukan dalam kurung waktu setahun.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Pelaksanaan Penelitian dilaksanakan di Laboratorium Intrumentasi Medis Departemen Fisika, Fakultas Sains dan Teknologi Universitas Airlangga. Lokasi pengambilan
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Dalam beberapa tahun terakhir perkembangan Computer Vision terutama dalam bidang pengenalan wajah berkembang pesat, hal ini tidak terlepas dari pesatnya
Lebih terperinciPENGENDALIAN POSISI MOBILE ROBOT MENGGUNAKAN METODE NEURAL NETWORK DENGAN UMPAN BALIK KAMERA PEMOSISIAN GLOBAL
PENGENDALIAN POSISI MOBILE ROBOT MENGGUNAKAN METODE NEURAL NETWORK DENGAN UMPAN BALIK KAMERA PEMOSISIAN GLOBAL Randy Reza Kautsar (1), Bima Sena Bayu D S.ST M.T (2), A.R. Anom Besari. S.ST, M.T (2) (1)
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN Bab ini menjelaskan tentang latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metode penelitian, dan sistematika penulisan dalam penelitian ini.
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Tahapan yang dilakukan dalam penelitian ini disajikan pada Gambar 14, terdiri dari tahap identifikasi masalah, pengumpulan dan praproses data, pemodelan
Lebih terperinciBAB I PENDAHULUAN I.1
BAB I PENDAHULUAN I.1 Latar Belakang Perkembangan industri manufaktur menuntut perusahaan untuk untuk memiliki daya saing tinggi, baik itu skala nasional maupun internasional. Kegiatan ekspor dan impor
Lebih terperinciPERANCANGAN PARAMETER TERBAIK UNTUK PREDIKSI PRODUKSI BAN GT3 MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILIENT PROPAGATION
PERANCANGAN PARAMETER TERBAIK UNTUK PREDIKSI PRODUKSI BAN GT3 MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILIENT PROPAGATION Fitrisia, Adiwijaya, dan Andrian Rakhmatsyah Program Studi S1 Teknik Informatika,
Lebih terperinciIMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION
IMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION Abdi Haqqi An Nazilli 1, Deddy Kusbianto Purwoko Aji 2, Ulla Delfana Rosiani 3 1,2 Teknik Informatika,
Lebih 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 terperinciSLOPE CORRECTION PADA TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN ABSTRAK
SLOPE CORRECTION PADA TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN Disusun Oleh : Apriliyanto Taufik Betama (1022070) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. drg. Suria Sumantri, MPH, No.
Lebih terperinciISSN : e-proceeding of Engineering : Vol.4, No.3 Desember 2017 Page 3130
ISSN : 355-9365 e-proceeding of Engineering : Vol.4,.3 Desember 07 Page 330 PERANCANGAN DAN IMPLEMENTASI SISTEM PENCAHAYAAN RUANGAN BERBASIS JARINGAN SYARAF TIRUAN DESIGN AND IMPLEMENTATION OF INDOOR LIGHTING
Lebih terperinciPENGEMBANGAN ALGORITMA PEMUTUAN EDAMAME MENGGUNAKAN PENGOLAHAN CITRA DAN JARINGAN SYARAF TIRUAN DEDY WIRAWAN SOEDIBYO
PENGEMBANGAN ALGORITMA PEMUTUAN EDAMAME MENGGUNAKAN PENGOLAHAN CITRA DAN JARINGAN SYARAF TIRUAN DEDY WIRAWAN SOEDIBYO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2006 PERNYATAAN MENGENAI TESIS
Lebih terperinciDETEKSI MARKA JALAN DAN ESTIMASI POSISI MENGGUNAKAN MULTIRESOLUTION HOUGH TRANSFORM
DETEKSI MARKA JALAN DAN ESTIMASI POSISI MENGGUNAKAN MULTIRESOLUTION HOUGH TRANSFORM Charles Edison Chandra; Herland Jufry; Sofyan Tan Computer Engineering Department, Faculty of Engineering, Binus University
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 terperinciPerancangan dan Simulasi Autotuning PID Controller Menggunakan Metoda Relay Feedback pada PLC Modicon M340. Renzy Richie /
Perancangan dan Simulasi Autotuning PID Controller Menggunakan Metoda Relay Feedback pada PLC Modicon M340 Renzy Richie / 0622049 Email : renzyrichie@live.com Jurusan Teknik Elektro, Fakultas Teknik, Universitas
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 terperinciPENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN ABSTRAK
PENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN Decy Nataliana [1], Sabat Anwari [2], Arief Hermawan [3] Jurusan Teknik Elektro Fakultas Teknologi Industri Institut
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN GLOBAL FEATURE EXTRACTION, MOMEN INVARIAN DAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN GLOBAL FEATURE EXTRACTION, MOMEN INVARIAN DAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION ABSTRAK Eka Putri Tambun (0722118) Jurusan Teknik Elektro Universitas Kristen
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang
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 terperinciTujuan Penelitian Tujuan penelitian ini adalah untuk melakukan deteksi penyakit pada daun rose dengan menggunakan metode ANN.
Laporan Akhir Projek PPCD Deteksi Penyakit Daun Menggunakan Artificial Neural Network (ANN) TRI SONY(G64130020), GISHELLA ERDYANING (G64130040), AMALIYA SUKMA RAGIL PRISTIYANTO (G64130044), MUHAMMAD RIZQI
Lebih terperinciSISTEM OTOMASI PADA MODUL PROCESSING DENGAN MENGGUNAKAN SEQUENTIAL FUNCTIONAL CHART
SISTEM OTOMASI PADA MODUL PROCESSING DENGAN MENGGUNAKAN SEQUENTIAL FUNCTIONAL CHART Moergen Tandinata 1), Didi Widya Utama 2) dan Soeharsono 3) Program Studi Teknik Mesin Universitas Tarumanagara, Jakarta
Lebih terperinciIDENTIFIKASI VARIETAS UNGGUL BENIH KEDELAI BERDASARKAN WARNA DENGAN JARINGAN SARAF TIRUAN
IDENTIFIKASI VARIETAS UNGGUL BENIH KEDELAI BERDASARKAN WARNA DENGAN JARINGAN SARAF TIRUAN Galih Probo Kusuma, Dr Melania Suweni Muntini, MT Jurusan Fisika Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih terperinciOPTIMASI SENSOR PADA ROBOT LINE FOLLOWER DENGAN JENIS LAPANGAN BERBEDA DENGAN METODE NEURAL NETWORK
OPTIMASI SENSOR PADA ROBOT LINE FOLLOWER DENGAN JENIS LAPANGAN BERBEDA DENGAN METODE NEURAL NETWORK Sumantri K.Risandriya 1, Jecky A Tarigan *Politeknik Negeri Batam Mechatronics Engineering Study Program
Lebih terperinciAPLIKASI JARINGAN SARAF TIRUAN UNTUK INVENTARISASI LUAS SUMBER DAYA ALAM STUDI KASUS PULAU PARI
APLIKASI JARINGAN SARAF TIRUAN UNTUK INVENTARISASI LUAS SUMBER DAYA ALAM STUDI KASUS PULAU PARI Putri Khatami Rizki 1), Muchlisin Arief 2), Priadhana Edi Kresnha 3) 1), 2), 3) Teknik Informatika Fakultas
Lebih terperinciBAB 3 PERANCANGAN SISTEM. mendapatkan input, melakukan proses, dan menghasilkan output yang diinginkan oleh
23 BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras Perangkat keras yang digunakan dalam sistem kali ini berupa rancangan untuk mendapatkan input, melakukan proses, dan menghasilkan output yang diinginkan
Lebih terperinciBACKPROPAGATION NEURAL NETWORK AS A METHOD OF FORECASTING ON CALCULATION INFLATION RATE IN JAKARTA AND SURABAYA
BACKPROPAGATION NEURAL NETWORK AS A METHOD OF FORECASTING ON CALCULATION INFLATION RATE IN JAKARTA AND SURABAYA Anggi Purnama Undergraduate Program, Computer Science, 2007 Gunadarma Universiy http://www.gunadarma.ac.id
Lebih terperinciBAB I PENDAHULUAN. Penggunaan Programmable Logic Controller (PLC) dalam dunia industri
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Penggunaan Programmable Logic Controller (PLC) dalam dunia industri adalah sangat umum dewasa ini. Hampir semua industri yang memerlukan pengendalian otomatis,
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. perangkat. Alat dan bahan yang digunakan sebelum pengujian:
BAB IV HASIL DAN PEMBAHASAN 4.1 Pengujian Perangkat Lunak Dalam mengetahui perangkat lunak yang dibuat bisa sesuai dengan metode yang dipakai maka dilakukan pengujian terhadap masing-masing komponen perangkat.
Lebih terperinciBAB III PERANCANGAN DAN IMPLEMENTASI SISTEM
BAB III PERANCANGAN DAN IMPLEMENTASI SISTEM Pada bab ini akan dijelaskan mengenai tahapan dan algoritma yang akan digunakan pada sistem pengenalan wajah. Bagian yang menjadi titik berat dari tugas akhir
Lebih terperinciPENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PESERTA KB BARU DI KABUPATEN SEMARANG DENGAN METODE BACKPROPAGATION
PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PESERTA KB BARU DI KABUPATEN SEMARANG DENGAN METODE BACKPROPAGATION Restiana Putri Abstract - On a government agencies Badan Keluarga Berencana
Lebih terperinciDeteksi Objek Menggunakan Kamera Dengan Pendekatan Neural Network pada Robot Soccer Field
Deteksi Objek Menggunakan Kamera Dengan Pendekatan Neural Network pada Robot Soccer Field Anggie Riswandanu Jurusan Teknik Elektro ITS, Surabaya 60111, email riswandanuaja@gmail.com Abstrak Makalah ini
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 terperinciIMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN SIDIK JARI
Royani Darma Nurfita, Gunawan Ariyanto, Implementasi Deep Learning Berbasis Tensorflow Untuk Pengenalan Sidik Jari IMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN SIDIK JARI Royani Darma
Lebih terperinciADLN - Perpustakaan Universitas Airlangga ABSTRAK. viii
Muhammad Arif Santoso, 2015. Peramalan Penjualan Produk Menggunakan Jaringan Syaraf Tiruan Metode Extreme Learning Machine. Skripsi ini dibawah bimbingan Auli Damayanti,S.Si, M.Si dan Dr. Herry Suprajitno,
Lebih terperinciPenggunaan Deep Learning untuk Prediksi Churn pada Jaringan Telekomunikasi Mobile Fikrieabdillah
ISSN : 2355-9365 e-proceeding of Engineering : Vol3, No2 Agustus 2016 Page 3882 Penggunaan Deep Learning untuk Prediksi Churn pada Jaringan Telekomunikasi Mobile Fikrieabdillah Ilmu Komputasi Universitas
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 terperinciPERBANDINGAN BEBERAPA MODEL UNTUK KINERJA ALGORITMA BACKPROPAGATION COMPARISON OF SOME MODEL FOR PEFORMANCE IMPROVEMENT IN BACKPROPAGATION ALGORITHM
JURNAL TEKNOLOGI INFORMASI DAN KOMUNIKASI Vol.6 No. 2, Desember 217 : 8-91 PERBANDINGAN BEBERAPA MODEL UNTUK KINERJA ALGORITMA BACKPROPAGATION COMPARISON OF SOME MODEL FOR PEFORMANCE IMPROVEMENT IN BACKPROPAGATION
Lebih terperinciPENENTUAN LOKASI PARKIR KOSONG MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK (PNN) SKRIPSI JOKO KURNIANTO
PENENTUAN LOKASI PARKIR KOSONG MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK (PNN) SKRIPSI JOKO KURNIANTO 121402102 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
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 terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
68 BAB IV IMPLEMENTASI DAN PENGUJIAN Bab ini membahas tentang program yang telah dianalisis dan dirancang atau realisasi program yang telah dibuat. Pada bab ini juga akan dilakukan pengujian program. 4.1
Lebih terperinciOTOMASI PEMISAH BUAH TOMAT BERDASARKAN UKURAN DAN WARNA MENGGUNAKAN WEBCAM SEBAGAI SENSOR
Seminar Nasional Ilmu Komputer dan Aplikasinya SNIKA 2008 27/11/2008 OTOMASI PEMISAH BUAH TOMAT BERDASARKAN UKURAN DAN WARNA MENGGUNAKAN WEBCAM SEBAGAI SENSOR Thiang, Leonardus Indrotanoto Jurusan Teknik
Lebih terperinciTraffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel
1 Traffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel Andi Muhammad Ali Mahdi Akbar, Arief Kurniawan, Ahmad Zaini Jurusan Teknik Elektro, Fakultas Teknik Industri Institut
Lebih terperinciSTMIK GI MDP. Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2010/2011
STMIK GI MDP Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2010/2011 PENGENALAN KARAKTER ANGKA DARI SEGMENTASI CITRA PLAT NOMOR KENDARAAN DENGAN METODE SOMs Winda Marlia
Lebih terperinciKlasifikasi Pola Huruf Vokal dengan Menggunakan Jaringan Saraf Tiruan
JURNAL TEKNIK POMITS 1-7 1 Klasifikasi Pola Huruf Vokal dengan Menggunakan Jaringan Saraf Tiruan Dhita Azzahra Pancorowati, M. Arief Bustomi Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam,
Lebih terperinciGambar 1. Function block diagram [4].
PENGENDALIAN MODUL ROTARY HANDLING STATION BEBASIS SEQUENTIAL FUNCTION CHART (SFC) Deli Budiantoro ), Agus Halim 2) dan Soeharsono 3) ) Program Studi Teknik Mesin, Fakultas Teknik Universitas Tarumanagara
Lebih terperinciBAB 3 METODE PERANCANGAN
BAB 3 METODE PERANCANGAN 3.1 Konsep dan Pendekatan Tujuan utama yang ingin dicapai dalam pengenalan objek 3 dimensi adalah kemampuan untuk mengenali suatu objek dalam kondisi beragam. Salah satu faktor
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN MOMENT INVARIANT DAN ALGORITMA BACK PROPAGATION ABSTRAK
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN MOMENT INVARIANT DAN ALGORITMA BACK PROPAGATION Nasep Muhamad Ramdan (0522135) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jalan Prof. Drg.
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 31 Pendahuluan Algoritma Resilient Backpropagation (RPROP) dibagi menjadi dua bagian proses yaitu forward pass dan backward pass Forward pass berfungsi untuk mendapatkan nilai
Lebih terperinciBAB 4 PENGUJIAN DAN ANALISA
57 BAB 4 PENGUJIAN DAN ANALISA Pengujian dan analisa pada Bab 4 ini pada intinya adalah untuk mengetahui tingkat keberhasilan suatu sistem dengan metode yang sudah ditentukan. Masing masing metode mempunyai
Lebih terperinciGambar 1. Sistem PLC
PENGENDALIAN MODUL PROCESSING BEBASIS SEQUENTIAL FUNCTION CHART (SFC) Suhendra 1), Agus Halim 2) dan Soeharsono 3) 1) Program Studi Teknik Mesin, Fakultas Teknik Universitas Tarumanagara 2) Praktisi PT.
Lebih terperinciABSTRAK Robovision merupakan robot yang memiliki sensor berupa indera penglihatan seperti manusia. Untuk dapat menghasilkan suatu robovision, maka
ABSTRACT Robovision is a robot that has a sensor in the form of the human senses such as vision. To be able to produce a robovision, it is necessary to merge the technologies of robotics and computer vision
Lebih terperinciBAB III METODE PENELITIAN. dan bahan, agar mendapatkan hasil yang baik dan terstruktur. Processor Intel Core i3-350m.
BAB III METODE PENELITIAN 3.1 Alat dan Bahan Untuk menunjang penelitian yang akan dilakukan, maka diperlukan alat dan bahan, agar mendapatkan hasil yang baik dan terstruktur. 3.1.1 Alat Penelitian Adapun
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN Latar Belakang Pesatnya perkembangan dunia industri manufaktur pada masa kini menuntut perusahaan untuk memiliki daya saing tinggi, baik dari segi kualitas maupun kuantitas produk yang
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN A. DESKRIPSI ALAT Perhitungan benih ikan dengan image processing didasarkan pada luas citra benih ikan. Pengambilan citra menggunakan sebuah alat berupa wadah yang terdapat kamera
Lebih terperinciNOISE REMOVAL PADA TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN
NOISE REMOVAL PADA TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN Denny Susanto (1022029) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha, Jl. Prof. Drg. Suria Sumantri, MPH no.65,
Lebih terperinciUniversitas Bina Nusantara
Universitas Bina Nusantara Jurusan Sistem Komputer Fakultas Ilmu Komputer Skripsi Sarjana Komputer Semester Genap tahun 2003/2004 SISTEM SORTIR MUR DAN BAUT MENGGUNAKAN JARINGAN SYARAF TIRUAN Tjhang Suwandi
Lebih terperinciSISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Barcode Rcognition System Using Backpropagation Neural Networks M. Kayadoe, Francis Yuni Rumlawang, Yopi Andry Lesnussa * Jurusan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
32 BAB III ANALISIS DAN PERANCANGAN Pada bab ini akan dibahas tentang analisis sistem melalui pendekatan secara terstruktur dan perancangan yang akan dibangun dengan tujuan menghasilkan model atau representasi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakang Artificial Neural Network atau jaringan syaraf tiruan merupakan bidang yang sangat berkembang saat ini. Pemanfaatan teknologi mesin dan computer yang tidak terbatas
Lebih terperinciABSTRAK. Kata Kunci : Artificial Neural Network(ANN), Backpropagation(BP), Levenberg Marquardt (LM), harga emas, Mean Squared Error(MSE), prediksi.
ABSTRAK Prediksi harga emas merupakan masalah yang sangat penting dalam menentukan pengambilan keputusan perdagangan dalam pertambangan. Prediksi yang akurat untuk pertambangan dapat memberikan keuntungan
Lebih terperinciPERANCANGAN SISTEM PEGENDALI SUHU PADA PROTOTYPE GREEN HOUSE DENGAN METODE TUNNING PID MENGGUNAKAN JARINGAN SARAF TIRUAN
PERANCANGAN SISTEM PEGENDALI SUHU PADA PROTOTYPE GREEN HOUSE DENGAN METODE TUNNING PID MENGGUNAKAN JARINGAN SARAF TIRUAN Ajib Abdurrachman *), Sumardi **), Munawar Agus R ***) Jurusan Teknik Elektro, Universitas
Lebih terperinciPERANCANGAN VIDEO SPEKTROSKOPI-NEURAL NETWORK UNTUK IDENTIFIKASI JENIS CAIRAN SYAIFUDIN DOSEN PEMBIMBING DR. MOCHAMMAD RIVAI,ST.
PERANCANGAN VIDEO SPEKTROSKOPI-NEURAL NETWORK UNTUK IDENTIFIKASI JENIS CAIRAN SYAIFUDIN 2205204001 DOSEN PEMBIMBING DR. MOCHAMMAD RIVAI,ST.MT Pendahuluan 1. Spektroskopi adalah ilmu yang mempelajari materi
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN PADA PENGENALAN POLA TULISAN DENGAN METODE BACKPROPAGATION
APLIKASI JARINGAN SYARAF TIRUAN PADA PENGENALAN POLA TULISAN DENGAN METODE BACKPROPAGATION Alvama Pattiserlihun, Andreas Setiawan, Suryasatriya Trihandaru Program Studi Fisika, Fakultas Sains dan Matematika,
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1. Pengujian Perangkat Lunak Dalam mengetahui perangkat lunak yang dibuat bisa sesuai dengan metode yang dipakai maka dilakukan pengujian terhadap masin-masing komponen perangkat.
Lebih terperinciPREDIKSI PENGGUNAAN BANDWIDTH PENS_ITS MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN ALGORITMA BACKPROPAGATION
PREDIKSI PENGGUNAAN BANDWIDTH PENS_ITS MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN ALGORITMA BACKPROPAGATION Imam Shabri, Mike Yuliana, Zaqiatud Darojah Jurusan Telekomunkasi - Politeknik Elektronika Negeri
Lebih terperinciAplikasi Jaringan Syaraf Tiruan Untuk Penentuan Status Gizi Balita Dan Rekomendasi Menu Makanan Yang Dibutuhkan
119 Aplikasi Jaringan Syaraf Tiruan Untuk Penentuan Status Gizi Balita Dan Rekomendasi Menu Makanan Yang Dibutuhkan Fitri, Onny Setyawati, dan Didik Rahadi S Abstrak -Status gizi balita dapat ditentukan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Jaringan Syaraf Biologi Jaringan Syaraf Tiruan merupakan suatu representasi buatan dari otak manusia yang dibuat agar dapat mensimulasikan apa yang dipejalari melalui proses pembelajaran
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 terperinciPemodelan Sistem dengan Metode Neural Network Back Propagation. Modeling System Using Neural Network Backpropagation
Pemodelan Sistem dengan Metode Neural Network Back Propagation Modeling System Using Neural Network Backpropagation Dwi Sudarno Putra 1), Toto Sugiarto 1) & Meri Azmi 2) 1) Jurusan Teknik Otomotif Universitas
Lebih terperinciSISTEM PENGENALAN WAJAH DENGAN METODE EIGENFACE DAN JARINGAN SYARAF TIRUAN (JST)
Berkala Fisika ISSN : 1410-9662 Vol. 15, No. 1, Januari 2012, hal 15-20 SISTEM PENGENALAN WAJAH DENGAN METODE EIGENFACE DAN JARINGAN SYARAF TIRUAN (JST) Tri Mulyono, Kusworo Adi dan Rahmat Gernowo Jurusan
Lebih terperinciPREDIKSI KUALITAS AIR BERSIH PDAM KOTA PALU MENGGUNAKAN METODE BACKPROPAGATION
JIMT Vol. 4 No. Juni 207 (Hal 47-55) ISSN : 2450 766X PREDIKSI KUALITAS AIR BERSIH PDAM KOTA PALU MENGGUNAKAN METODE BACKPROPAGATION J.R. Mustakim, R. Ratianingsih 2 dan D. Lusiyanti 3,2,3 Program Studi
Lebih terperinciPENGARUH UJI TUKEY TERHADAP VERIFIKASI TANDA TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN
PENGARUH UJI TUKEY TERHADAP VERIFIKASI TANDA TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN ABSTRAK Thari Novianty Mentaruk (0722100) Jurusan Teknik Elektro e-mail : thari_novianty_m@yahoo.com Verifikasi tanda
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 terperinciModel Arsitektur Backpropogation Dalam Memprediksi Faktor Tunggakan Uang Kuliah (Studi Kasus AMIK Tunas Bangsa)
IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520 1 Model Arsitektur Backpropogation Dalam Memprediksi Faktor Tunggakan Uang Kuliah (Studi Kasus AMIK Tunas Bangsa) Agus Perdana Windarto* 1, Dedy Hartama
Lebih terperinciOleh : Umar Maksum Dosen Pembimbing : Ahmad Zaini, ST, M.T. Dr. I Ketut Eddy Purnama.ST.,MT
Rekontruksi Citra 3 Dimensi menggunakan Voxel Coloring Oleh : Umar Maksum 2204 109 659 Dosen Pembimbing : Ahmad Zaini, ST, M.T. Dr. I Ketut Eddy Purnama.ST.,MT Latar Belakang Mendapatkan bentuk citra objek
Lebih terperinciNeural Network (NN) Keuntungan penggunaan Neural Network : , terdapat tiga jenis neural network Proses Pembelajaran pada Neural Network
Neural Network (NN) adalah suatu prosesor yang melakukan pendistribusian secara besar-besaran, yang memiliki kecenderungan alami untuk menyimpan suatu pengenalan yang pernah dialaminya, dengan kata lain
Lebih terperinciOptimalisasi Identifikasi Sidik Jari Menggunakan Metode Neural network pada Sistem Keamanan Sepeda Motor
JOURNAL OF APPLIED ELECTRICAL ENGINEERING (E-ISSN: 2548-9682), VOL. 1, NO. 1, OCTOBER 2017 14 Optimalisasi Identifikasi Sidik Jari Menggunakan Metode Neural network pada Sistem Keamanan Sepeda Motor Sumantri
Lebih terperinciUJM 3 (1) (2014) UNNES Journal of Mathematics.
UJM 3 (1) (2014) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm APLIKASI JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM PERAMALAN BEBAN PUNCAK DISTRIBUSI LISTRIK DI WILAYAH PEMALANG
Lebih terperinci