DETEKSI HUBUNG SINGKAT PADA BELITAN STATOR MOTOR INDUKSI TIGA FASA TANPA BEBAN MENGGUNAKAN JARING SYARAF TIRUAN
|
|
- Hendri Hardja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 ( ) Pemb i m b i n g : Pro f. Dr. Ir M a u ridhi Hery P., M. E n g. Vi ta Listyaningru m, S. T., M. S c. Teknik Sistem Tenaga Jurusan Teknik Elektro - ITS Surabaya 2010 monday, june 14 TH 2010
2 1 PENDAHULUAN 2 TEORI PENUNJANG 3 METODOLOGI 4 HASIL DAN ANALISIS 5 KESIMPULAN
3 Performance Latar Belakang (1) Tahapan Kerusakan Motor Temporary Fault/ Non-periodic Very Short Duration Low Current/ high impedance Periodic Very Short Duration Low Current/ high impedance Permanent Low Current Permanent High Current S T O P Normal Speed, Normal Torque Low Noise Decrease Speed, Torque High Noise Short circuit condition
4 Latar Belakang (2) Tahapan Kerusakan Motor Temporary Fault/ Non-periodic Very Short Duration Low Current/ high impedance Periodic Very Short Duration Low Current/ high impedance Permanent Low Current Permanent High Current S T O P Detection Based on Fokus Penelitian : Identifikasi gejala hubung singkat Pattern of frequency content [1][2] High Frequency Signal pattern [3] Normal Fault Normal Fault
5 Permasalahan 1. Bagaimana suatu bentuk gelombang arus dan tegangan dapat direpresentasikan menjadi masukkan jaring saraf tiruan sehingga dapat mewakili bentuk gelombang yang diolah. 2. Bagaimana performansi jaring saraf tiruan dalam mengidentifikasi kerusakan motor.
6 Batasan Masalah 1. Motor yang digunakan adalah motor induksi tiga fasa dengan kondisi tanpa beban 2. Gangguan yang dianalisis adalah hubung singkat sefasa, fasa-fasa dan fasa-ground pada belitan stator motor induksi tiga fasa 3. Jaring saraf tiruan menggunakan metoda pelatihan backpropagation
7 Tujuan 1. Menentukan representasi bentuk gelombang menjadi masukan jaring saraf tiruan, sehingga dapat diolah dengan menggunakan algoritma jaring saraf tiruan. 2. Menguji parameter-parameter jaring saraf tiruan sehingga diketahui performansi jaring saraf tiruan yang digunakan.
8 Relevansi 1. Menjadi referensi mengenai metoda baru yaitu kombinasi transformasi wavelet dan jaring saraf tiruan untuk mendeteksi hubung singkat pada motor 2. Menjadi alat bantu bagi perusahaan untuk mengidentifikasi keadaan motor induksi tiga fasa
9 1 PENDAHULUAN 2 TEORI PENUNJANG 3 METODOLOGI 4 HASIL DAN ANALISIS 5 KESIMPULAN
10 Jaring Syaraf Tiruan Artificial neural network (ANN) adalah sebuah sistem pemroses informasi dengan karakteristik tertentu yang dibuat menyerupai suatu jaring saraf biologis. Proses belajar (learning) bagi ANN merupakan proses mengatur nilai bobot penimbangnya untuk mendapatkan nilai yang terbaik dengan melatih ANN menggunakan sekumpulan data, menurut unjuk kerja sistem yang dikehendaki [7].
11 Backpropagation Neural Network Algoritma pelatihan backpropagation neural network (BPNN) terdiri dari dua proses utama, yaitu feed forward dan backpropagation dari error-nya [7].
12 Discrete Wavelet Transform Transformasi wavelet dalam konteks pemrosesan sinyal adalah sebuah metode untuk mendekomposisi sinyal masukan yang diinginkan menjadi gelombang lain. Proses dekomposisi Proses dekomposisi melibatkan dua filter, yaitu low pass filter dan high pass filter. Hasil yang diperoleh berupa sinyal aproksimasi ca dan sinyal detail cd.
13 Digital Butterworth Low Pass Filter Filter adalah suatu rangkaian elektronik yang berfungsi untuk mengolah frekuensi dari suatu sinyal, frekuensi sinyal tersebut akan diloloskan atau diredam, dalam hal ini disesuaikan dengan kebutuhan. Filter digital memiliki banyak kelebihan dibandingkan dengan pasangannya filter analog, baik dalam performa yang lebih tinggi dengan transition zone yang lebih kecil, ketahanan, serta fleksibilitas dalam menentukan range kerjanya. LPF
14 1 PENDAHULUAN 2 TEORI PENUNJANG 3 METODOLOGI 4 HASIL DAN ANALISIS 5 KESIMPULAN
15 Diagram Alir Deteksi H.S.
16 Perangkat Percobaan
17 Spesifikasi Motor Three Phase Induction Motor 220/380 volt 50 Hz cos Ф = kwatt 1.42/0.82 A 4 kutub
18 Wiring Diagram
19 Pengambilan Data Tampilan remote control program [9]
20 Pengolahan Data Data dikelompokkan menjadi dua bagian yaitu data pelatihan dan data pengujian atau validasi. Masing-masing data kemudian diolah menggunakan transformasi wavelet diskrit dengan lima tingkat dekomposisi. Dari kelima tingkat dekomposisi tersebut dipilih fitur-fitur sinyal yang dapat merepresentasikan gelombang arus dan tegangan stator motor. Fitur-fitur tersebut selanjutnya digunakan sebagai masukan untuk data pelatihan maupun data pengujian.
21 Sistem Identifikasi JST sebagai Metode Pendeteksi Kerusakan Belitan Stator Input JST 24 neuron 70 neuron 4 neuron Output JST
22 Identifikasi keadaan motor Keadaan motor Keluaran JST Normal [ ] H.S Sefasa [ ] H.S Fasa-fasa [ ] H.S Fasa-Ground [ ]
23 1 PENDAHULUAN 2 TEORI PENUNJANG 3 METODOLOGI 4 HASIL DAN ANALISIS 5 KESIMPULAN
24 Data Arus dan Tegangan Stator Motor (a) Gambar (a) Arus normal; (b) Tegangan normal (b)
25 Dekomposisi Wavelet Dekomposisi Arus Normal Dekomposisi Tegangan Normal
26 Feature Extraction Tabel fitur siyal arus motor normal Fitur sinyal sinyal mean median maks min Range StDev median Dev mean Dev Domain waktu Dec Dec Dec Dec Dec Tabel fitur sinyal tegangan motor normal Fitur sinyal sinyal mean median maks min Range StDev median Dev mean Dev Domain waktu Dec Dec Dec Dec Dec
27 Koefisien fitur Data Pelatihan Data ke-n
28 Parameter JST Fungsi pembelajaran : traingd (Gradient descent - back propagation) Jumlah layer Input layer : 24 neuron Hidden layer : 70 neuron Output layer : 4 neuron Fungsi aktivasi Hidden layer : tansig (fungsi sigmoid bipolar) Output layer : logsig(fungsi sigmoid biner) Iterasi maksimal : epochs Error minimal : 10e-4 Learning rate : 2,5
29 Hasil Analisis (1) Keadaan motor Nilai keluaran tiap neuron Keluaran JST Output 1 Output 2 Output 3 Output 4 Normal Hubung singkat Sefasa Hubung singkat Fasa-fasa Hubung singkat Fasa-Ground
30 Hasil Analisis (2) Keluaran JST Keadaan Motor Keluaran JST Keadaan Motor Keluaran JST Normal HS fasa-fasa
31 Hasil Analisis (3) Keluaran JST Keadaan Motor Keluaran JST Keadaan Motor Keluaran JST HS sefasa HS fasaground
32 Identifikasi JST Kondisi motor Identifikasi JST (%) Normal Sefasa Fasa-fasa Fasa- Ground Normal HS sefasa HS fasa-fasa HS fasa-ground
33 Kesimpulan 1. Sinyal arus dan tegangan domain frekuensi hasil pengolahan discrete wavelete transform dapat merepresentasikan bentuk gelombang yang dianalisis sehingga dapat digunakan sebagai masukan JST. 2. Kombinasi transformasi wavelet dan JST yang digunakan untuk menganalisis dan mengidentifikasi jenis gangguan pada motor induksi tiga fasa tanpa beban sesuai penelitian ini dapat mengidentifikasi 100% data pelatihan dan mengidentifikasi 95% data validasi.
34 Daftar Pustaka 1. Jee-Hoon Jung, Jong-Jae Lee, and Bong-Hwan Kwon, Online Diagnosis of Induction Motors Using MCSA, IEEE Trans. Industrial Electronics., vol. 53, no. 6, December Hugh Douglas, Pragasen Pillay, and Alireza K. Ziarani, A New Algorithm for Transient Motor Current Signature Analysis Using Wavelets, IEEE Trans. Industry Applications., vol. 40, no. 5, September/October M.A.S.K. Khan, T.S. Radwan, and M.A. Rahman, Diagnosis and Protection of IPM Motors Using Wavelet Packet Transform, Industry Applications Conference, st IAS Annual Meeting. Conference Record of the 2006 IEEE. 4. K. Kim and A. G. Parlos, Induction Motor ault Diagnosis Based on Neuropredictors and Wavelet signal processing, IEEE/ASME Trans. On Mechatronics, vol. 7, no. 2, June S.A. Nasar, Hanbook of electric Machines, New York: Mc Graw Hill, Chapter 3 dan 4, M. Benbouzid, A review of induction motors signature analysis as a medium for faults detection, IEEE Trans. Ind. Electron., vol 47, pp , Oct Mauridhi Hery P. dan Agus Kurniawan, Supervised Neural Networks dan Aplikasinya, Graha Ilmu, Yogyakarta, Ika Damayanti, Metode Wavelet Untuk Peramalan Time SeriesYang Non Stasioner, Tesis Jurusan Statistika FMIPA-ITS, Surabaya GW Instek, GRS60x2 PC Remote Contrl Program, User Manual, Jong Jek S., Jaringan Syaraf Tiruan dan Pemrogramannya Menggunakan Matlab, Andi, Yogyakarta, Dicky N. Wardana, Dimas Anton A., dan Mauridhi Hery P., Early Detection for Short Circuit Symptom at Single Phase Induction Motor Winding Using Neural Networks, Proceedings of National Seminar on Applied Technology, Science, and Arts, pp. 35, Surabaya, Desember 2009.
JARING SARAF TIRUAN. oleh : Dicky Nova Wardana Pembimbing : Prof. Dr. Ir Mauridhi Hery P., M.Eng.
DETEKSI HUBUNG SINGKAT PADA BELITAN STATOR MOTOR INDUKSI SATU FASA MENGGUNAKAN JARING SARAF TIRUAN oleh : Dicky Nova Wardana 2205 100 157 Pembimbing : Prof. Dr. Ir Mauridhi Hery P., M.Eng. Teknik Sistem
Lebih terperinciDETEKSI HUBUNG SINGKAT PADA BELITAN STATOR MOTOR INDUKSI SATU FASA MENGGUNAKAN JARING SARAF TIRUAN
DETEKSI HUBUNG SINGKAT PADA BELITAN STATOR MOTOR INDUKSI SATU FASA MENGGUNAKAN JARING SARAF TIRUAN Dicky Nova Wardana 2205 100 157 Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember Kampus
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 Nanang Hardianto - 2205100196 Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember
Lebih terperinciVolume XLVI, No.l, Mei 2011, pp 1-5 Analisa Gelombang Arus Motor. ANALlSA GELOMBANG ARUS MOTOR. (Motor Current Signature Analysis MSCA) ABSTRAK
ANALlSA GELOMBANG ARUS MOTOR (Motor Current Signature Analysis MSCA) Oleh : Gunawan Sukaca ABSTRAK Motor Current Signature Analysis (MCSA) adalah suatu metoda untuk mendeteksi kerusakan suatu motor dengan
Lebih terperinciDesain Peralatan Pendeteksi Gangguan Hubung Singkat Belitan Stator Motor Induksi Menggunakan Arus Online Berbasis Mikrokontroler
JURNAL TEKNIK ITS Vol. 4, No. 2, (2015) ISSN: 2337-3539 (2301-9271 Print) A-211 Desain Peralatan Pendeteksi Gangguan Hubung Singkat Belitan Stator Motor Induksi Menggunakan Arus Online Berbasis Mikrokontroler
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 terperinciSimulasi dan Deteksi Hubung Singkat Impedansi Tinggi pada Stator Motor Induksi Menggunakan Arus Starting
Simulasi dan Deteksi Hubung Singkat Impedansi Tinggi pada Stator Motor Induksi Menggunakan Arus Starting Simulation and Detection of High Impedance Short Circuit on Stator Induction Motor Using Starting
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 terperinciBAB 3 PERANCANGAN SISTEM PENGENAL SUARA
BAB 3 PERANCANGAN SISTEM PENGENAL SUARA 3.1 Perangkat Keras yang Digunakan Untuk menunjang perancangan sistem pengenalan suara, maka digunakan perangkat keras ( Hardware ) dengan spesifikasi sebagai berikut
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 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 1 PENDAHULUAN. Motor induksi (MI) adalah alat listrik yang mengubah energi listrik menjadi
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Motor induksi (MI) adalah alat listrik yang mengubah energi listrik menjadi energi mekanik yang berupa tenaga putar [1]. Motor induksi banyak dipakai sebagai
Lebih terperinciImplementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series
Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series Oleh: ABD. ROHIM (1206 100 058) Dosen Pembimbing: Prof. Dr. M. Isa Irawan, MT Jurusan Matematika
Lebih terperinciIDENTIFIKASI PENGENALAN BENTUK BANGUN DATAR DUA DIMENSI MENGGUNAKAN NEURAL NETWORK BACKPROPAGATION
IDENTIFIKASI PENGENALAN BENTUK BANGUN DATAR DUA DIMENSI MENGGUNAKAN NEURAL NETWORK BACKPROPAGATION Rusmono Yulianto 2208205701 Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember Kampus ITS,
Lebih terperinciPROGRAM PASCA SARJANA JURUSAN TEKNIK ELEKTRO ELEKTRONIKA
RANCANG BANGUN SISTEM KOMUNIKASI ANTAR PEMAKAI HELM BERBASIS PENGENALAN WICARA DISUSUN OLEH : YUNUS WICAKSONO SUGIARSO NRP.2208204002 PROGRAM PASCA SARJANA JURUSAN TEKNIK ELEKTRO ELEKTRONIKA INSTITUT TEKNOLOGI
Lebih terperinciVOL. 01 NO. 02 [JURNAL ILMIAH BINARY] ISSN :
PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PRODUKSI AIR MINUM MENGGUNAKAN ALGORITMA BACKPROPAGATION (STUDI KASUS : PDAM TIRTA BUKIT SULAP KOTA LUBUKLINGGAU) Robi Yanto STMIK Bina Nusantara
Lebih 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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Suara paru terjadi karena adanya turbulensi udara saat udara memasuki saluran pernapasan selama proses pernapasan. Turbulensi ini terjadi karena udara mengalir dari
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 terperinciHasil dan Analisis. f brb. Analisis dengan frekuensi resolusi tinggi mengunakan FFT
Analisis dengan frekuensi resolusi tinggi mengunakan FFT Frekuensi resolusi tinggi dari fast fourier transform (FFT) berhubungan dengan total panjang rentang waktu untuk memperhatikan banyaknya sample
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 METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM
IMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM Ayu Trimulya 1, Syaifurrahman 2, Fatma Agus Setyaningsih 3 1,3 Jurusan Sistem Komputer, Fakultas MIPA Universitas
Lebih 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 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 terperinciOleh : Agus Sumarno Dosen Pembimbing : Drs. Daryono Budi Utomo, M.Si
APLIKASI WAVELET RECURRENT NEURAL NETWORK UNTUK PREDIKSI DATA TIME SERIES APPLICATION Of WAVELET RECURRENT NEURAL NETWORK FOR TIME SERIES DATA PREDICTION Oleh : Agus Sumarno 1206 100 706 Dosen Pembimbing
Lebih terperinci1. BAB I PENDAHULUAN 1.1. Latar Belakang
1. BAB I PENDAHULUAN 1.1. Latar Belakang Diagnosis kanker dapat dilakukan berdasarkan struktur morfologisnya, namun hal tersebut mengalami kesulitan karena perbedaan struktur morfologis yang sangat tipis
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 terperinciSTUDI ESTIMASI CURAH HUJAN, SUHU DAN KELEMBABAN UDARA DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
STUDI ESTIMASI CURAH HUJAN, SUHU DAN KELEMBABAN UDARA DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Muh. Ishak Jumarang 1), Lyra Andromeda 2) dan Bintoro Siswo Nugroho 3) 1,3) Jurusan Fisika,
Lebih terperinciPERKIRAAN STABILITAS TRANSIEN PADA SISTEM TENAGA LISTRIK MULTIMESIN JAWA BALI 500 KV MENGGUNAKAN COMMITTEE NEURAL NETWORK
PERKIRAAN STABILITAS TRANSIEN PADA SISTEM TENAGA LISTRIK MULTIMESIN JAWA BALI 500 KV MENGGUNAKAN COMMITTEE NEURAL NETWORK Eko Prasetyo 2205 100 092 Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh
Lebih terperinciKLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION. Dhita Azzahra Pancorowati
KLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION Dhita Azzahra Pancorowati 1110100053 Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi
Lebih terperinciKarakteristik Spesifikasi
Sinyal yang masuk difilter ke dalam sinyal frekuensi rendah (low-pass filter) dan sinyal frekuensi tinggi (high-pass filter) Lakukan downsampling pada kedua sinyal tersebut Low-pass frekuensi hasil downsampling
Lebih terperinciSISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON
Jurnal Informatika Mulawarman Vol. 7 No. 3 Edisi September 2012 105 SISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON Anindita Septiarini Program Studi Ilmu Komputer FMIPA,
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 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 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 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 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 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 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 terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Program aplikasi ini dirancang dengan menggunakan perangkat lunak Microsoft Visual C# 2008 Express Edition. Proses perancangan menggunakan pendekatan Object Oriented
Lebih terperinciPREDIKSI PERHITUNGAN DOSIS RADIASI PADA PEMERIKSAAN MAMMOGRAFI MENGGUNAKAN ALGORITMA JARINGAN SYARAF TIRUAN PROPAGASI BALIK
Berkala Fisika ISSN : 1410-9662 Vol.18, No.4, Oktober 2015, hal 151-156 PREDIKSI PERHITUNGAN DOSIS RADIASI PADA PEMERIKSAAN MAMMOGRAFI MENGGUNAKAN ALGORITMA JARINGAN SYARAF TIRUAN PROPAGASI BALIK Zaenal
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 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 terperinciPENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION
PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION Suhendry Effendy Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Bina Nusantara University
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 terperinciJom FTEKNIK Volume 4 No. 1 Februari
Pengaruh Masukan dan Fungsi Aktivasi Terhadap Kecepatan Pelatihan Jaringan Syaraf Tiruan (JST) Modular sebagai Klasifikasi dan Estimasi Lokasi pada Saluran Distribusi Bawah Tanah PT. Pertamina RU II Dumai
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 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 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 terperinciPENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT
PENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT Havid Syafwan Program Studi Manajemen Informatika, Amik Royal, Kisaran E-mail: havid_syafwan@yahoo.com ABSTRAK:
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 terperinciANALISIS DAN IMPLEMENTASI GABUNGAN ALGORITMA GENETIKA DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION (STUDY KASUS PERAMALAN SAHAM)
ANALISIS DAN IMPLEMENTASI GABUNGAN ALGORITMA GENETIKA DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION (STUDY KASUS PERAMALAN SAHAM) Hanura Ian Pratowo¹, Retno Novi Dayawati², Agung Toto Wibowo³ ¹Teknik Informatika,,
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 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 terperinciDesain Sistem Pendeteksian dan Monitoring Harmonisa Arus Menggunakan Jaring Saraf Tiruan Berbasis LabVIEW.
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) 1-6 1 Desain Sistem Pendeteksian dan Monitoring Harmonisa Arus Menggunakan Jaring Saraf Tiruan Berbasis LabVIEW. Andika Wahyu Saputra, Ardyono Priyadi, Mauridhi
Lebih terperinciMEMPREDIKSI KECERDASAN SISWA MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS ALGORITMA BACKPROPAGATION (STUDI KASUS DI LP3I COURSE CENTER PADANG)
MEMPREDIKSI KECERDASAN SISWA MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS ALGORITMA BACKPROPAGATION (STUDI KASUS DI LP3I COURSE CENTER PADANG) R. Ayu Mahessya, S.Kom, M.Kom, Fakultas Ilmu Komputer Universitas
Lebih terperinciPEMANFAATAN NEURAL NETWORK PERCEPTRON PADA PENGENALAN POLA KARAKTER
PEMANFAATAN NEURAL NETWORK PERCEPTRON PADA PENGENALAN POLA KARAKTER Fakultas Teknologi Informasi Universitas Merdeka Malang Abstract: Various methods on artificial neural network has been applied to identify
Lebih terperinciPENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION 1 Andrian Rakhmatsyah 2 Sayful Hakam 3 Adiwijaya 12 Departemen Teknik Informatika Sekolah Tinggi Teknologi
Lebih 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 terperinciBAB IV JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK)
BAB IV JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) Kompetensi : 1. Mahasiswa memahami konsep Jaringan Syaraf Tiruan Sub Kompetensi : 1. Dapat mengetahui sejarah JST 2. Dapat mengetahui macam-macam
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 terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MENGENALI TULISAN TANGAN HURUF A, B, C, DAN D PADA JAWABAN SOAL PILIHAN GANDA
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MENGENALI TULISAN TANGAN HURUF A, B, C, DAN D PADA JAWABAN SOAL PILIHAN GANDA (Studi Eksplorasi Pengembangan Pengolahan Lembar Jawaban Ujian Soal Pilihan Ganda di
Lebih terperinciDeteksi Kerusakan Rotor Bar Motor Induksi Menggunakan Analisis Arus Output Inverter Berbasis Wavelet
Proseding Seminar Tugas Akhir Teknik Elektro Juni 213 1 Deteksi Kerusakan Rotor Bar Motor Induksi Menggunakan Analisis Arus Output Inverter Berbasis Wavelet Rifaldy Swasetyasakti, Mochamad Ashari, dan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dielaskan mengenai teori-teori yang berhubungan dengan penelitian ini, sehingga dapat diadikan sebagai landasan berpikir dan akan mempermudah dalam hal pembahasan
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 terperinciPELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE SELEKSI TURNAMEN UNTUK DATA TIME SERIES
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 65-72 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE
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 terperinciPENERAPAN MODEL NEURAL NETWORK BACKPROPAGATION UNTUK PREDIKSI HARGA AYAM
PENERAPAN MODEL NEURAL NETWORK BACKPROPAGATION UNTUK PREDIKSI HARGA AYAM Nanik Susanti 1* 1 Program Studi Sistem Informasi, Fakultas Teknik, Universitas Muria Kudus Gondangmanis, PO Box 53, Bae, Kudus
Lebih terperinciPerbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation
65 Perbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation Risty Jayanti Yuniar, Didik Rahadi S. dan Onny Setyawati Abstrak - Kecepatan angin dan curah
Lebih terperinciMODEL PEMBELAJARAN JARINGAN SYARAF TIRUAN UNTUK OTOMATISASI PENGEMUDIAN KENDARAAN BERODA TIGA
MODEL PEMBELAJARAN JARINGAN SYARAF TIRUAN UNTUK OTOMATISASI PENGEMUDIAN KENDARAAN BERODA TIGA Ramli e-mail:ramli.brt@gmail.com Dosen Tetap Amik Harapan Medan ABSTRAK Jaringan Syaraf Tiruan adalah pemrosesan
Lebih terperinciPeramalan Data IHSG Menggunakan Metode Backpropagation
Peramalan Data IHSG Menggunakan Metode Backpropagation Seng Hansun Program Studi Teknik Informatika, Universitas Multimedia Nusantara, Tangerang, Indonesia hansun@umn.ac.id Diterima 31 Agustus 2012 Disetujui
Lebih terperinciMETODOLOGI PENELITIAN
18 METODOLOGI PENELITIAN Kerangka Penelitian Sistem pengenalan roda kendaraan pada penelitian ini tampak pada Gambar 10, secara garis besar dapat dibagi menjadi dua tahapan utama yaitu, tahapan pelatihan
Lebih terperinciPengenalan Pola Sinyal Suara Manusia Menggunakan Metode Back Propagation Neural Network
Pengenalan Pola Sinyal Suara Manusia Menggunakan Metode Back Propagation Neural Network Faradiba * Prodi Pendidikan Fisika, Universitas Kristen Indonesia Jln. Mayjend Sutoyo, No.2, Cawang, jakarta Timur,
Lebih terperinciIDENTIFIKASI KARAKTERISTIK SINYAL ARUS STATOR MOTOR INDUKSI TIGA FASE AKIBAT GANGGUAN HUBUNG SINGKAT ANTAR LILITAN
IDENTIFIKASI KARAKTERISTIK SINYAL ARUS STATOR MOTOR INDUKSI TIGA FASE AKIBAT GANGGUAN HUBUNG SINGKAT ANTAR LILITAN Eko Prasetyo (12ekoprasetyo@gmail.com) Dr. Ir. Dian Retno Sawitri. M.T. Jurusan Teknik
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 terperinciANALISIS DAN IMPLEMENTASI APLIKASI PENGENALAN SUARA MENJADI TEKS MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION
ANALISIS DAN IMPLEMENTASI APLIKASI PENGENALAN SUARA MENJADI TEKS MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION ANALYSIS AND IMPLEMENTATION OF SPEECH TO TEXT APPLICATION USING BACKPROPAGATION
Lebih terperinciRANCANG BANGUN TOOL UNTUK JARINGAN SYARAF TIRUAN (JST) MODEL PERCEPTRON
RANCANG BANGUN TOOL UNTUK JARINGAN SYARAF TIRUAN (JST) MODEL PERCEPTRON Liza Afriyanti Laboratorium Komputasi dan Sistem Cerdas Jurusan Teknik Informatika, Fakultas Teknologi Industri,Universitas Islam
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 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 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 terperinciANALISIS DEKOMPOSISI WAVELET PADA PENGENALAN POLA LURIK DENGAN METODE LEARNING VECTOR QUANTIZATION
ANALISIS DEKOMPOSISI WAVELET PADA PENGENALAN POLA LURIK DENGAN METODE LEARNING VECTOR QUANTIZATION Bambang Robi in eure_bbg@yahoo.com Akademi Teknik PIRI Yogyakarta Abstrak Indonesia merupakan negara yang
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Pengenalan Pola Pengenalan pola adalah suatu ilmu untuk mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran kuantitatif fitur (ciri) atau sifat utama dari suatu
Lebih terperinciJARINGAN SARAF TIRUAN BACKPROPAGATION UNTUK PENGENALAN WAJAH METODE EKSTRAKSI FITUR Sigit Kusmaryanto Teknok Elektro FTUB,
JARINGAN SARAF TIRUAN BACKPROPAGATION UNTUK PENGENALAN WAJAH METODE EKSTRAKSI FITUR Sigit Kusmaryanto Teknok Elektro FTUB, sigitkus@ub.ac.id ABSTRAKSI Salah satu kelemahan umum pada pengenalan pola untuk
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA
APLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA Pembimbing: Desi Fitria Utami M0103025 Drs. Y. S. Palgunadi, M. Sc
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perangkat keras komputer berkembang dengan pesat setiap tahunnya selalu sudah ditemukan teknologi yang lebih baru. Meskipun demikian masih banyak hal yang belum dapat
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 terperinciKata Kunci: jaringan transmisi, identifikasi, gangguan hubung singkat, jaringan syaraf tiruan.
ABSTRAK Jaringan syaraf tiruan terdiri dari beberapa neuron yang saling terhubung seperti pada otak manusia. Neuron atau sel saraf adalah sebuah unit pemroses informasi yang merupakan dasar operasi jaringan
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 terperinciWATERMARKING PADA BEBERAPA KELUARGA WAVELET
JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 3, 18-25, Desember 2004, ISSN : 1410-8518 WATERMARKING PADA BEBERAPA KELUARGA WAVELET Aris Sugiharto, Eko Adi Sarwoko Jurusan Matematika FMIPA Universitas Diponegoro
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 terperinciANALISIS PERFORMANSI FILTER DIGITAL IIR DARI PROTOTYPE BUTTERWORTH DAN CHEBYSHEV 1
Jurnal Reaksi (Journal of Science and Technology) ANALISIS PERFORMANSI FILTER DIGITAL IIR DARI PROTOTYPE BUTTERWORTH DAN CHEBYSHEV Raisah Hayati Staf Pengajar Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe
Lebih terperinciARTIFICIAL NEURAL NETWORK TEKNIK PERAMALAN - A
ARTIFICIAL NEURAL NETWORK CAHYA YUNITA 5213100001 ALVISHA FARRASITA 5213100057 NOVIANTIANDINI 5213100075 TEKNIK PERAMALAN - A MATERI Neural Network Neural Network atau dalam bahasa Indonesia disebut Jaringan
Lebih terperinciDETEKSI JENIS KAYU CITRA FURNITURE UKIRAN JEPARA MENGGUNAKAN JST BACKPROPAGATION
No Makalah : 299 Konferensi Nasional Sistem Informasi 2012, STMIK - STIKOM Bali 23-25 Pebruari 2012 DETEKSI JENIS KAYU CITRA FURNITURE UKIRAN JEPARA MENGGUNAKAN JST BACKPROPAGATION Ratri Dwi Atmaja 1,
Lebih 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 terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2006/2007
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2006/2007 ANALISIS DAN PERANCANGAN PERANGKAT LUNAK PENGENALAN JENIS ALAT MUSIK BERDASARKAN SUMBER SUARANYA
Lebih terperinciPrediksi Pergerakan Harga Harian Nilai Tukar Rupiah (IDR) Terhadap Dollar Amerika (USD) Menggunakan Metode Jaringan Saraf Tiruan Backpropagation
1 Prediksi Pergerakan Harga Harian Nilai Tukar Rupiah (IDR) Terhadap Dollar Amerika (USD) Menggunakan Metode Jaringan Saraf Tiruan Backpropagation Reza Subintara Teknik Informatika, Ilmu Komputer, Universitas
Lebih terperinciBAB I PENDAHULUAN. paling parah dan paling lama tingkat pemulihannya akibat krisis keuangan
BAB I PENDAHULUAN 1.1 Latar Belakang Krisis keuangan yang terjadi di Asia pada pertengahan tahun 1997 diawali di Thailand dan merembet ke berbagai negara di Asia lainnya seperti di Indonesia, Malaysia,
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 terperinciJARINGAN SARAF TIRUAN DENGAN BACKPROPAGATION UNTUK MENDETEKSI PENYALAHGUNAAN NARKOTIKA
JARINGAN SARAF TIRUAN DENGAN BACKPROPAGATION UNTUK MENDETEKSI PENYALAHGUNAAN NARKOTIKA Dahriani Hakim Tanjung STMIK POTENSI UTAMA Jl.K.L.Yos Sudarso Km 6.5 Tanjung Mulia Medan notashapire@gmail.com Abstrak
Lebih terperinci