Achmad Fauqy Ashari Supervisor: Wiwik Anggraeni S.Si, M.Kom Ahmad Mukhlason S.Kom, M.Sc
|
|
- Shinta Salim
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Achmad Fauqy Ashari Supervisor: Wiwik Anggraeni S.Si, M.Kom Ahmad Mukhlason S.Kom, M.Sc Sistem Informasi - FTIf
2 Tujuan dari tugas akhir ini adalah pengembangan prototipe sistem cerdas untuk mendeteksi penyakit sapi serta memberikan rekomendasi penanganan dini dengan menggunakan metode Fuzzy Neural Network dengan algoritma backpropagation. Tujuan
3 Metodologi Penelitian
4 Skenario 1 menggunakan variasi nilai learning rate sebesar 0,1, dengan jumlah uji coba sebanyak variasi dari jumlah node pada hidden layer yang telah ditentukan yaitu 4 hingga 10 node, atau sebanyak 7 uji coba. Skenario 2 menggunakan variasi nilai learning rate sebesar 0,3, dengan jumlah uji coba sebanyak variasi dari jumlah node pada hidden layer yang telah ditentukan yaitu 4 hingga 10 node, atau sebanyak 7 uji coba. Skenario 3 menggunakan variasi nilai learning rate sebesar 0,6, dengan jumlah uji coba sebanyak variasi dari jumlah node pada hidden layer yang telah ditentukan yaitu 4 hingga 10 node, atau sebanyak 7 uji coba. Skenario 4 menggunakan variasi nilai learning rate sebesar 0,6, dengan jumlah uji coba sebanyak variasi dari jumlah node pada hidden layer yang telah ditentukan yaitu 4 hingga 10 node, atau sebanyak 7 uji coba. Uji Coba & Analisis
5 Hasil Uji Coba Skenario 1
6 Hasil Uji Coba Skenario 2
7 Hasil Uji Coba Skenario 3
8 Hasil Uji Coba Skenario 4
9 Kesimpulan Uji Coba Berdasarkan Skenario
10
11
12 Uji Coba Akhir Sistem
13 Berdasarkan hasil uji coba yang dilakukan pada studi kasus tugas akhir ini, perubahan jumlah node pada hidden layer berpengaruh terhadap hasil atau nilai MSE yang dicapai, meskipun tidak secara signifikan. Berdasarkan hasil uji coba yang dilakukan pada studi kasus tugas akhir ini, perubahan nilai pada learning rate berpengaruh secara signifikan terhadap hasil atau nilai MSE yang dicapai. Prorotipe sistem yang telah dibangun pada tugas akhir ini menggunakan arsitektur 3 layer yang terdiri atas 1 input layer dengan 17 node, 1 hidden layer dengan 10 node, dan 1 output layer dengan 3 node, serta parameter nilai learning rate yang optimal sebesar 0,9. Prototipe sistem yang telah dibangun pada tugas akhir ini memiliki performa Mean Squared Error (MSE) sebesar 0,58 % yang mampu menghasilkan keluaran yang valid berdasarkan hasil uji coba terhadap data testing dengan tingat kevalidan 100 %. Prototipe sistem yang telah dibangun pada tugas akhir ini sesuai untuk digunakan dalam pendeteksian beberapa penyakit sapi seperti Mastitis, Penyakit Ngorok (SE), dan Penyakit Mulut Kuku, serta dapat memberikan rekomendasi penanganan dini kepada peternak sapi terkait penyakit tersebut. Kesimpulan
14 Pengembangan prototipe sistem menjadi executable sistem yang dapat dijalankan tanpa membuka platform matlab terlebih dahulu dengan menggunakan matlab compiler. Dengan arsitektur neural network yang telah dibangun saat ini, dimungkinkan pengembangan sistem yang dapat mempertimbangkan hasil lebih dari satu penyakit sapi atau komplikasi penyakit sapi dengan penambahan data training yang sesuai. Penambahan jenis penyakit sapi yang memiliki gejala-gejala penyakit serta atribut pendukung lainnya yang memiliki kemiripan dengan gejala-gejala penyakit serta atribut pendukung lainnya yang digunakan saat ini. Saran
15 1. Chattopadhyay, S.,& Chattopadhyay, G. (2008). Identification of the best hidden layer size for three-layered neural net in predicting monsoon in rainfall in India. Journal of Hydroinformatics 10.2, Chowdury, S.R., & Saha, H. (2010). Development of a FPGA based fuzzy neural network system for early diagnosis of critical health condition of a patient. Computers in Biology and Medicine 40, Ditjennak. (2009). Direktorat Kesehatan Hewan. Diakses pada 15 Februari, 2012, dari Direktorat Jenderal Peternakan dan Kesehatan Hewan: 4. Ditjennak. (2010). Statistik Peternakan Direktorat Jenderal Peternakan, Kementerian Pertanian Republik Indonesia. 5. Fullèr, R. (1995). Neural Fuzzy Systems. Abo Akademi University. 6. Hayashi, Y. (1994). Neural Expert System Using Fuzzy Teaching Input and Its Application to Medical Diagnosis. Information Sciences, Kahramanli, H., & Allahverdi, N. (2008). Design of a hybrid system for the diabetes and heart diseases. Expert Systems with Applications 35, Kusumadewi, S. (2004). Membangun Jaringan Syaraf Tiruan Menggunakan Matlab dan Excel Link. Graha Ilmu: Jogjakarta. 9. Kusumadewi, S., & Purnomo, H. (2004). Aplikasi Logika Fuzzy Untuk Pendukung Keputusan. Graha Ilmu: Jogjakarta. 10. Kusumadewi, S. (2005). Artificial Intelligence: Teknik dan Aplikasinya. Graha Ilmu, Yogyakarta. 11. Kusumadewi, S..,& Hartati, S. (2006). Neuro-Fuzzy, Integrasi Sistem Fuzzy dan Jaringan Syaraf. Graha Ilmu, Yogyakarta. 12. Li, L., Liqing, H., Hongru, L., Feng, Z., Chongxun, Z., Pokhrel, S., et al. (2011). The Use of Fuzzy BackPropagation Neural Networks for the Early Diagnosis of Hypoxic Ischemic Encephalopathy in Newborns. Journal of Biomedicine and Biotechnology. 13. Negnevitsky, M. (2005). Artificial Intelligence: A Guide to Intelligent Sistems. Harlow: Addison-Wesley. 14. Purwanto, G. D. (2011). Penerapan Algoritma Artificial Neural Network Pada Sistem Cerdas Untuk Pendeteksian Dan Penanganan Penyakit Sapi. Surabaya: Jurusan Sistem Informasi FTIf ITS Surabaya. 15. Subronto. (2007). Ilmu Penyakit Ternak II. Yogyakarta: Gadjah Mada University Press. 16. Subronto. (2008). Ilmu Penyakit Ternak I-b. Yogyakarta: Gadjah Mada University Press. 17. Sunari, A. (2010). Naskah Kebijakan (Policy Paper): Strategi dan Kebijakan dalam Percepatan Pencapaian Swasembada Daging Sapi Jakarta: Direktorat Pangan dan Pertanian BAPPENAS. 18. Sutikno, & Waspada, I. (2012). Perbandingan Metode Deffuzifikasi Sistem Kendali Logika Fuzzy Model Mamdani Pada Motor DC. Semarang: Program Studi Teknik Informatika Universitas Diponegoro Semarang. 19. Thomas, S. W. (2005). Sistem Neuro-Fuzzy. Graha Ilmu, Yogyakarta. 20. Uzoka, F. E; Osuji, J; Obot, O. (2011). Clinical decision support system (DSS) in the diagnosis of malaria: A case comparison of two soft computing methodologies. Expert Systems with Applications 38: Zadeh, L. A. (1965). Fuzzy Sets. INFORMATION AND CONTROL 8: Daftar Pustaka
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: A-385
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 2301-9271 A-385 Implementasi Fuzzy Neural Network pada Sistem Cerdas untuk Pendeteksian dan Penanganan Dini Penyakit Sapi Achmad Fauqy Ashari, Wiwik Anggraini
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 terperinciPenerapan Case-Based Reasoning Pada Sistem Cerdas Untuk Pendeteksian dan Penanganan Dini Penyakit Sapi
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Penerapan Case-Based Reasoning Pada Sistem Cerdas Untuk Pendeteksian dan Penanganan Dini Penyakit Sapi Irlando Moggi Prakoso, Wiwik Anggraeni, Ahmad Mukhlason
Lebih terperinciPerbandingan Algoritma Backpropagation dan K-Nearest Neighbor (K-NN) untuk Identifikasi Penyakit
Perbandingan Algoritma Backpropagation dan K-Nearest Neighbor (K-NN) untuk Identifikasi Penyakit Sri Redjeki Program Studi Teknik Informatika STMIK AKAKOM Yogyakarta, Indonesia dzeky@akakom.ac.id Abstrak
Lebih terperinciPREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) Supriyanto 1, Sudjono 2, Desty Rakhmawati 3 ( 1,2. UNSOED Purwokerto, 3. STMIK
Lebih terperinciBAB I PENDAHULUAN. jaringan ikat pada payudara. Terdapat beberapa jenis kanker payudara antara lain
BAB I PENDAHULUAN A. Latar Belakang Kanker payudara adalah pertumbuhan sel-sel pada jaringan payudara secara abnormal, terus menerus, tidak terkontrol dan tidak terbatas. Kanker bisa mulai tumbuh di dalam
Lebih terperinciEVALUASI KEMAJUAN STUDI MAHASISWA DENGAN PENDEKATAN BASIS DATA FUZZY
EVALUASI KEMAJUAN STUDI MAHASISWA DENGAN PENDEKATAN BASIS DATA FUZZY Hari Murti 1, Eko Nur Wahyudi 2 1,2 Program Studi Sistem Informasi, Fakultas Teknologi Informasi, Universitas Stikubank e-mail: 1 hmurti076@gmail.com,
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 terperinciPenerapan Case-Based Reasoning pada Sistem Cerdas untuk Pendeteksian dan Penanganan Dini Penyakit Sapi
JURNAL TEKNIK ITS Vol. 1, No. 1(Sept. 2012) ISSN: 2301-9271 A-351 Penerapan Case-Based Reasoning pada Sistem Cerdas untuk Pendeteksian dan Penanganan Dini Penyakit Sapi Irlando Moggi Prakoso, Wiwik Anggraeni,
Lebih terperinciJARINGAN SYARAF TIRUAN PROPAGASI BALIK DALAM PREDIKSI PERSEDIAAN TERNAK SAPI POTONG ( STUDI KASUS DI WILAYAH SUMATERA BARAT )
JARINGAN SYARAF TIRUAN PROPAGASI BALIK DALAM PREDIKSI PERSEDIAAN TERNAK SAPI POTONG ( STUDI KASUS DI WILAYAH SUMATERA BARAT ) Rima Liana Gema, S.Kom, M.Kom, Fakultas Ilmu Komputer Universitas Putra Indonesia
Lebih terperinciBAB 1 PENDAHULUAN. 1 Universitas Kristen Maranatha. Gambar 1.1 : Ilustrasi jaringan syaraf manusia yang diadaptasi untuk ANN (Kriesel, 2011)
BAB 1 PENDAHULUAN 1.1 Latar Belakang Rentannya kesalahan yang dapat terjadi oleh pekerjaan yang dilakukan oleh manusia dalam menganalisa, atau ketika mencoba membangun relasi antar fitur yang berjumlah
Lebih terperinciPrediksi Nilai Tukar Petani Menggunakan Jaringan Syaraf Tiruan Backpropagation
Scientific Journal of Informatics Vol 3, No 1, Mei 2016 p-issn 2407-7658 http://journalunnesacid/nju/indexphp/sji e-issn 2460-0040 Prediksi Nilai Tukar Petani Menggunakan Jaringan Syaraf Tiruan Backpropagation
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 terperinci1. Pendahuluan. 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Pasar valuta asing telah mengalami perkembangan yang tak terduga selama beberapa dekade terakhir, dunia bergerak ke konsep "desa global" dan telah menjadi salah satu pasar
Lebih terperinciSegitiga Fuzzy-Neural Network untuk Mengenali Pola dari Model Input Data yang Berdistribusi
J. Math. and Its Appl. ISSN: 1829-605X Vol. 4, No. 1, May 2007, 9 16 Segitiga Fuzzy-Neural Network untuk Mengenali Pola dari Model Input Data yang Berdistribusi Hary Budiarto Pusat Teknologi Informasi
Lebih terperinciMODEL PREDIKSI PRODUCTION DELAY DALAM PROSES PRODUKSI STRIP MILL DENGAN METODE ADAPTIVE NEURO- FUZZY INFERENCE SYSTEM
Journal Industrial Servicess Vol. 3 No. 2 Maret 2018 MODEL PREDIKSI PRODUCTION DELAY DALAM PROSES PRODUKSI STRIP MILL DENGAN METODE ADAPTIVE NEURO- FUZZY INFERENCE SYSTEM Yusraini Muharni Jurusan Teknik
Lebih terperinciBAB 5 KESIMPULAN, KEKURANGAN PENELITIAN DAN SARAN. Dari hasil pengujian peramalan dengan menggunakan metode Fuzzy Mamdani
BAB 5 KESIMPULAN, KEKURANGAN PENELITIAN DAN SARAN 5. 1 Kesimpulan Dari hasil pengujian peramalan dengan menggunakan metode Fuzzy Mamdani dan bantuan software Matlab, dapat diambil beberapa kesimpulan sebagai
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 terperinciAnalisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation
Analisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation Anjar Wanto STIKOM Tunas Bangsa Pematangsiantar Pematangsiantar, Indonesia anjarwanto@amiktunasbangsa.ac.id
Lebih terperinciAnalisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation
Analisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation Anjar Wanto STIKOM Tunas Bangsa Pematangsiantar Pematangsiantar, Indonesia anjarwanto@amiktunasbangsa.ac.id
Lebih terperinciABSTRAK. Kata Kunci : Curah Hujan, Levenberg Marquardt, Backpropagation. ABSTRACT
ABSTRAK Dufan, Ariel. 2016. Prediksi Curah Hujan Dengan Menggunakan Algoritma Levenberg- Marquardt Dan Backpropagation (Studi Kasus : BMKG Kota Tanjungpinang), Skripsi. Tanjungpinang: Jurusan Teknik Informatika,
Lebih terperinciPEMBUATAN PERANGKAT LUNAK PERAMALAN MENGGUNAKAN METODE ANN DENGAN MEMANFAATKAN LIBRARY ENCOG JAVA
PEMBUATAN PERANGKAT LUNAK PERAMALAN MENGGUNAKAN METODE ANN DENGAN MEMANFAATKAN LIBRARY ENCOG JAVA Nama : Resa Alfarisi NRP : 5207100100 Jurusan : Sistem informasi FTIF ITS Dosen Pembimbing 1 : Wiwik Anggraeni
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 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 terperinciMETODOLOGI PENELITIAN
digilib.uns.ac.id BAB III METODOLOGI PENELITIAN 3.1 Studi Literatur Studi ini dilakukan dengan cara mencari dan membaca berbagai literatur serta karya-karya penelitian mengenai topik penelitian yang sudah
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 terperinciOptimasi Prediksi Kehadiran Pegawai Untuk Intensif Kehadiran Menggunakan Jaringan Saraf Tiruan-Backpropagation
Optimasi Prediksi Kehadiran Pegawai Untuk Intensif Kehadiran Menggunakan Jaringan Saraf Tiruan-Backpropagation Jamaludin Hakim 1), Sri Hartati 2) 1) Program Studi Sistem Informasi Fakultas Teknik dan Sistem
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 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 terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN SMK MENGGUNAKAN NEURO-FUZZY. Abstrak. Abstract
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN SMK MENGGUNAKAN NEURO-FUZZY Pepi Dwi Ariani 1, Entin Martiana Kusuma 2, Dwi Kurnia Basuki 2 Mahasiswa Jurusan Teknik Informatika 1, Dosen Pembimbing 2 Politeknik
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON PADA APLIKASI PRAKIRAAN CUACA
Aplikasi Jaringan Syaraf Tiruan Multilayer Perceptron (Joni Riadi dan Nurmahaludin) APLIKASI JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON PADA APLIKASI PRAKIRAAN CUACA Joni Riadi (1) dan Nurmahaludin
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN PADA SISTEM KONTROL ROBOT LINE FOLLOWER DENGAN ALGORITMABACKPROPAGATION
APLIKASI JARINGAN SYARAF TIRUAN PADA SISTEM KONTROL ROBOT LINE FOLLOWER DENGAN ALGORITMABACKPROPAGATION ARTIFICIAL NEURAL NETWORK APPLICATION IN LINE FOLLOWER ROBOT WITH BACKPROPAGATION ALGORITHM Nur Yanti
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 terperinciAPLIKASI LOGIKA FUZZY PADA PERAMALAN KEBUTUHAN ENERGI LISTRIK JANGKA PANJANG DI PROVINSI SUMATERA BARAT SAMPAI TAHUN 2018 TUGAS AKHIR
APLIKASI LOGIKA FUZZY PADA PERAMALAN KEBUTUHAN ENERGI LISTRIK JANGKA PANJANG DI PROVINSI SUMATERA BARAT SAMPAI TAHUN 2018 TUGAS AKHIR Sebagai Salah Satu Syarat Untuk Menyelesaikan Program Stratum-1 (S1)
Lebih terperinciANALISA JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION UNTUK MENGETAHUI LOYALITAS KARYAWAN
ANALISA JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION UNTUK MENGETAHUI LOYALITAS KARYAWAN Jasmir, S.Kom, M.Kom Dosen tetap STIKOM Dinamika Bangsa Jambi Abstrak Karyawan atau tenaga kerja adalah bagian
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Jaringan Syaraf Tiruan (artificial neural network), atau disingkat JST menurut Hermawan (2006, hlm.37) adalah sistem komputasi dimana arsitektur dan operasi
Lebih terperinciKOMPARASI HASIL KLASIFIKASI PENYAKIT DIABETES MELLITUS MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN LEARNING VECTOR QUANTIZATION
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 14 Mei 2011 KOMPARASI HASIL KLASIFIKASI PENYAKIT DIABETES MELLITUS MENGGUNAKAN JARINGAN
Lebih terperinciBAB V KESIMPULAN DAN SARAN
BAB V KESIMPULAN DAN SARAN V.1 Kesimpulan Setelah dilakukan perancangan sistem evaluasi mutu berbasis komputer (logika fuzzy, pengolahan citra dan JST), maka dapat disimpulkan bahwa : 1. Program logika
Lebih terperinciRENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER (RPKPS)
RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) 1. Nama Matakuliah : KECERDASAN BUATAN 2. Kode/SKS : IES5353 / 3 sks 3. Semester : 5 4. Sifat Mata Kuliah : Wajib 5. Prasyarat : Tidak ada 6.
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 terperinci2 2 ... v... 3 Santoso... 21 abawa... 29... 37... 53... 59... 67... 77 Yohakim Marwanta... 85... 89... 101 ... 109... 117 D. Jaringan Komputer Amirudd... 135 andha... 141... 151... 165 Syahrir... 171...
Lebih terperinciBAB I PENDAHULUAN. Memelihara kesehatan diri sendiri dan orang-orang di sekitar merupakan hal yang
a. Latar Belakang BAB I PENDAHULUAN Kesehatan merupakan suatu kekayaan yang tidak ternilai harganya. Memelihara kesehatan diri sendiri dan orang-orang di sekitar merupakan hal yang sangat penting. Kini
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 terperinciPREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN METODE NEURAL NETWORK DAN PARTICLE SWARM OPTIMIZATION
PREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN METODE NEURAL NETWORK DAN PARTICLE SWARM OPTIMIZATION Dewi Kusumawati 1), Wing Wahyu Winarno 2), M. Rudyanto Arief 3) 1), 2), 3) Magister Teknik Informatika STMIK
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 terperinciKLASIFIKASI KELAINAN JANTUNG ANAK MENGGUNAKAN JARINGAN SARAF TIRUAN ALGORITMA BACKPROPAGATION A B S T R A K
KLASIFIKASI KELAINAN JANTUNG ANAK MENGGUNAKAN JARINGAN SARAF TIRUAN ALGORITMA BACKPROPAGATION Oleh : Gunawan Abdillah, Agus Komarudin, Rachim Suherlan A B S T R A K Kelainan jantung anak merupakan salah
Lebih terperinciBAB VI KESIMPULAN DAN SARAN
BAB VI KESIMPULAN DAN SARAN 6.1 Kesimpulan Berdasarkan hasil pembahasan dan dokumentasi dapat diambil kesimpulan yaitu : 1. Sistem pakar untuk mendiagnosa penyakit pada sapi berbasis web telah berhasil
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 terperinciPENENTUAN BIAYA DAYA LISTRIK MENGGUNAKAN FUZZY INFERENSI TSUKAMOTO
PENENTUAN BIAYA DAYA LISTRIK MENGGUNAKAN FUZZY INFERENSI TSUKAMOTO David Sekolah Tinggi Manajemen Informatika dan Komputer Pontianak Jln. Merdeka No. 372 Pontianak, Kalimantan Barat David_Liauw@stmikpontianak.ac.id
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 terperinciPenyelesaian Masalah Syarat Batas dalam Persamaan Diferensial Biasa Orde Dua dengan Menggunakan Algoritma Shooting Neural Networks
Penyelesaian Masalah Syarat Batas dalam Persamaan Diferensial Biasa Orde Dua dengan Menggunakan Algoritma Shooting Neural Networks Dewi Erla Mahmudah 1, Ratna Dwi Christyanti 2, Moh. Khoridatul Huda 3,
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 terperinciSISTEM PAKAR DIAGNOSA PENYAKIT DEMAM BERDARAH DENGUE BERBASIS ANDROID MENGGUNAKAN JARINGAN SARAF TIRUAN
SISTEM PAKAR DIAGNOSA PENYAKIT DEMAM BERDARAH DENGUE BERBASIS ANDROID MENGGUNAKAN JARINGAN SARAF TIRUAN Ahyuna 1), Komang Aryasa 2) 1), 2) Jurusan Teknik Informatika, STMIK Dipanegara Makassar 3) Jl. Perintis
Lebih terperinciSATUAN ACARA PERKULIAHAN
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKA-05/R4 Versi : 1 Revisi : 0 Tggal Revisi : Tggal Berlaku : 1 Agustus 2010 SATUAN ACARA PERKULIAHAN Program Studi : Teknik Informatika Fakultas : Teknologi Industri
Lebih terperinciSeminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004
Seminar Nasional Aplikasi Teknologi Informasi 004 Yogyakarta, 19 Juni 004 Klasifikasi Pola Menggunakan Jaringan Probabilistik Sri Kusumadewi Jurusan Teknik Informatika, Universitas Islam Indonesia Jl.
Lebih terperinciPERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE LOMBOK MENGGUNAKAN JARINGAN SYARAF TIRUAN
PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE LOMBOK MENGGUNAKAN JARINGAN SYARAF TIRUAN Titik Misriati AMIK BSI Jakarta Jl. R.S Fatmawati No. 24 Pondok Labu, Jakarta Selatan titik.tmi@bsi.ac.id ABSTRACT
Lebih terperinciBAB 1 PENDAHULUAN. saham harus memperhatikan dengan baik keadaan ekonomi yang sedang berlangsung.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Cepatnya perubahan fluktuasi harga index saham membuat para pemegang saham harus memperhatikan dengan baik keadaan ekonomi yang sedang berlangsung. Saham yang mempunyai
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 terperinciANALISIS PERBANDINGAN METODE BACKPROPAGATION DAN RADIAL BASIS FUNCTION UNTUK MEM PREDIKSI CURAH HUJAN DENGAN JARINGAN SYARAF TIRUAN
ANALISIS PERBANDINGAN METODE BACKPROPAGATION DAN RADIAL BASIS FUNCTION UNTUK MEM PREDIKSI CURAH HUJAN DENGAN JARINGAN SYARAF TIRUAN Abstrak Vinsensius Rinda Resi - NIM : A11.2009.04645 Program Studi Teknik
Lebih terperinciPENERAPAN CASE-BASED REASONING PADA SISTEM CERDAS UNTUK PENDETEKSIAN DAN PENANGANAN DINI PENYAKIT SAPI
PENERAPAN CASE-BASED REASONING PADA SISTEM CERDAS UNTUK PENDETEKSIAN DAN PENANGANAN DINI PENYAKIT SAPI Irlando Moggi Prakoso 1), Wiwik Anggraeni 2) Ahmad Mukhlason 3) 1 Jurusan Sistem Informasi, Fakultas
Lebih terperinciT 2 Aplikasi Model Neuro Fuzzy Untuk Prediksi Tingkat Inflasi Di Indonesia
T 2 Aplikasi Model Neuro Fuzzy Untuk Prediksi Tingkat Inflasi Di Indonesia Aidatul Fitriah 1, Agus Maman Abadi 2 1) Program Studi Matematika, FMIPA Universitas Negeri Yogyakarta 2) Jurusan Pendidikan Matematika,
Lebih terperinciPenerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas
Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Zulfikar Sembiring Jurusan Teknik Informatika, Fakultas Teknik, Universitas Medan Area zoelsembiring@gmail.com Abstrak Logika Fuzzy telah banyak
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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada penelitian machine learning banyak sekali diperbincangkan tentang perilaku belajar mesin (komputer) agar mampu belajar dan berpikir cerdas layaknya manusia yang
Lebih terperinciPREDIKSI DISTRIBUSI AIR PDAM MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DI PDAM KOTA MALANG
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol. 3, No. 2, Juni 2016, hlm. 83-87 PREDIKSI DISTRIBUSI AIR PDAM MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DI PDAM KOTA MALANG Daneswara
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 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 terperinciPENERAPAN METODE LEARNING VECTOR QUANTIZATION (LVQ) UNTUK DIAGNOSIS PENYAKIT IKAN BAWAL BINTANG (Studi Kasus : BALAI BUDIDAYA LAUT BATAM)
PENERAPAN METODE LEARNING VECTOR QUANTIZATION (LVQ) UNTUK DIAGNOSIS PENYAKIT IKAN BAWAL BINTANG (Studi Kasus : BALAI BUDIDAYA LAUT BATAM) Mulia Parna Putri Sijabat Jurusan Teknik Informatika, Fakultas
Lebih terperinciPREDIKSI PEMENANG PADA PERMAINAN DOTA MENGGUNAKAN ALGORITMA ANFIS TUGAS AKHIR
PREDIKSI PEMENANG PADA PERMAINAN DOTA MENGGUNAKAN ALGORITMA ANFIS TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang Oleh: NIZAR HIDAYAT
Lebih terperinciANALISIS EFEKTIFITAS METODE HIBRIDA NEURAL NETWORKS DAN FUZZY LOGIC UNTUK PERAMALAN VALUTA ASING
ANALISIS EFEKTIFITAS METODE HIBRIDA NEURAL NETWORKS DAN FUZZY LOGIC UNTUK PERAMALAN VALUTA ASING Aji Prasetya Wibawa*, Rully Soelaiman** *Universitas Negeri Malang Email : ajipw@yahoo.com **Institut Teknologi
Lebih terperinciSILABUS MATAKULIAH. Revisi : 4 Tanggal Berlaku : 04 September 2015
SILABUS MATAKULIAH Revisi : 4 Tanggal Berlaku : 04 September 2015 A. Identitas 1. Nama Matakuliah : Sistem Cerdas 2. Program Studi : Teknik Industri 3. Fakultas : Teknik 4. Bobot sks : 2 SKS 5. Elemen
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 terperinciUNNES Journal of Mathematics
UJM 4 (1) (2015) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm SISTEM PREDIKSI TAGIHAN LISTRIK USAHA JASA LAUNDRY MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Muhamad
Lebih terperinciPERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN JARINGAN SARAF TIRUAN ELMAN DENGAN ALGORITME GRADIENT DESCENT ADAPTIVE LEARNING RATE
PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN JARINGAN SARAF TIRUAN ELMAN DENGAN ALGORITME GRADIENT DESCENT ADAPTIVE LEARNING RATE oleh BETA VITAYANTI M0110012 SKRIPSI Ditulis dan diajukan untuk
Lebih terperinciDETEKSI KEBANGKRUTAN PERUSAHAAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
DETEKSI KEBANGKRUTAN PERUSAHAAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK [Enterprise Bankrupcty Detection using Artificial Neural Network] Cynthia G.Y.P NRP. 1205 100 061 Dosen Pembimbing Dr. M Isa Irawan,
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 terperinciKLASIFIKASI POLA MENGGUNAKAN JARINGAN PROBABILISTIK
KLASIFIKASI POLA MENGGUNAKAN JARINGAN PROBABILISTIK Sri Kusumadewi Teknik Informatika Universitas Islam Indonesia Jl. Kaliurang Km 4,5 Yogyakarta cicie@fti.uii.ac.id ABSTRACT More application often used
Lebih terperinciPREDIKSI ANGKA PARTISIPASI SEKOLAH DI JAWA TENGAH UMUR TAHUN DENGAN METODE JARINGAN SYARAF TIRUAN PERAMBATAN-BALIK
PREDIKSI ANGKA PARTISIPASI SEKOLAH DI JAWA TENGAH UMUR 16-18 TAHUN DENGAN METODE JARINGAN SYARAF TIRUAN PERAMBATAN-BALIK R.Mh.Rheza Kharis *), R. Rizal Isnanto, Ajub Ajulian Zahra Jurusan Teknik Elektro,
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 terperinciKORELASI TINGKAT KESALAHAN DAN EPOH DALAM JARINGAN BACKPROPAGATION
KORELASI TINGKAT KESALAHAN DAN EPOH DALAM JARINGAN BACKPROPAGATION Hindayati Mustafidah 1, Harjono 2 1,2 Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Purwokerto Jl. Raya Dukuhwaluh Purwokerto,
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER
RENCANA PEMBELAJARAN SEMESTER Program Studi: Statistika Fakultas: Sains dan Matematika Mata Kuliah: Jaringan Syaraf Tiruan Kode: AST21-415 SKS: 3 Sem: VI Dosen Pengampu: Dr. Budi Warsito, S.Si, M.Si. Capaian
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 terperinciKECERDASAN BUATAN ARTIFICIAL INTELLIGENCE. Copyright: Anik Handayani FT-UM
KECERDASAN BUATAN ARTIFICIAL INTELLIGENCE Copyright: Anik Handayani FT-UM ARTIFICIAL INTELLIGENCE Mata Kuliah:Kecerdasan Buatan (Artificial Intelligence/AI) Deskripsi Mengenai Kecerdasan Buatan Kecerdasan
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 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 terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Dalam perkembangan teknologi yang semakin pesat ini banyak sekali perubahan perkembangan yang telah terjadi untuk membantu kehidupan masyarakat. Dalam perkembangan
Lebih terperinciDesain Sistem Pakar Fuzzy untuk Diagnosa Kanker Prostat. Nurul Hidayat, Maharani Fakultas Sains dan Teknik Universitas Jenderal Soedirman
Desain Sistem Pakar Fuzzy untuk Diagnosa Kanker Prostat Nurul Hidayat, Maharani Fakultas Sains dan Teknik Universitas Jenderal Soedirman Abstract: In this study a fuzzy expert system design for diagnosing,
Lebih terperinciANALISIS METODE CERTAINTY FACTOR DALAM SISTEM PAKAR UNTUK MENDETEKSI PENYAKIT SAPI PEDAGING
ANALISIS METODE CERTAINTY FACTOR DALAM SISTEM PAKAR UNTUK MENDETEKSI PENYAKIT SAPI PEDAGING Ahmad Abdullah Zain 1, Erna Zuni Astutik, M.Kom 2 1 Mahasiswa Teknik Informatika, Universitas Dian Nuswantoro
Lebih terperinciPROBABILISTIC FUZZY NEURAL NETWORK UNTUK DETEKSI DINI PENYAKIT JANTUNG KORONER
Jurnal Informatika Mulawarman Vol. 6 No. 2 Juli 2011 75 PROBABILISTIC FUZZY NEURAL NETWORK UNTUK DETEKSI DINI PENYAKIT JANTUNG KORONER 1) Fetty Tri Anggraeny 2) Heliza Rahmania Hatta 1) Universitas Pembangunan
Lebih terperinciPEMODELAN DAN SISTEM INFORMASI PREDIKSI KAPASITAS PEMBANGKIT LISTRIK MENGGUNAKAN NEURAL NETWORK (SEKTOR RUMAH TANGGA)
PEMODELAN DAN SISTEM INFORMASI PREDIKSI KAPASITAS PEMBANGKIT LISTRIK MENGGUNAKAN NEURAL NETWORK (SEKTOR RUMAH TANGGA) Salmawaty Tansa 1, Bambang Panji Asmara 2 Fakultas Teknik, Jurusan Teknik Elektro,
Lebih terperinciImplementasi Adaptive Neuro-Fuzzy Inference System (Anfis) untuk Peramalan Pemakaian Air di Perusahaan Daerah Air Minum Tirta Moedal Semarang
Scientific Journal of Informatics Vol. 3, No. 1, Mei 2016 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Implementasi Adaptive Neuro-Fuzzy Inference System (Anfis) untuk
Lebih terperinciANALISA JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI PRODUKTIVITAS PEGAWAI. Jasmir, S.Kom, M.Kom
ANALISA JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI PRODUKTIVITAS PEGAWAI Jasmir, S.Kom, M.Kom Dosen tetap STIKOM Dinamika Bangsa Jambi Abstrak Pegawai atau karyawan merupakan
Lebih terperinciPREDIKSI ANGKA PARTISIPASI SEKOLAH DI JAWA TENGAH UMUR TAHUN DENGAN METODE JARINGAN SYARAF TIRUAN PERAMBATAN-BALIK
PREDIKSI ANGKA PARTISIPASI SEKOLAH DI JAWA TENGAH UMUR 16-18 TAHUN DENGAN METODE JARINGAN SYARAF TIRUAN PERAMBATAN-BALIK R. Mh. Rheza Kharis *), R. Rizal Isnanto, and Ajub Ajulian Zahra Jurusan Teknik
Lebih terperinciPREDIKSI TINGGI MUKA AIR BENDUNGAN RIAM KANAN MENGGUNAKAN ADAPTIVE NEURO FUZZY INFERENCE SYSTEM
Technologia Vol 9, No.1, Januari Maret 2018 11 PREDIKSI TINGGI MUKA AIR BENDUNGAN RIAM KANAN MENGGUNAKAN ADAPTIVE NEURO FUZZY INFERENCE SYSTEM Yusri Ikhwani Fakultas Teknologi Informasi Universitas Islam
Lebih terperinciMETODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) UNTUK PREDIKSI TINGKAT LAYANAN JALAN
METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) UNTUK PREDIKSI TINGKAT LAYANAN JALAN Noor Azizah Fakultas Sains dan Teknologi, UNISNU Jepara azizah.simply@gmail.com ABSTRACT Level of service indicates
Lebih terperinciPREDIKSI PERMINTAAN KREDIT MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI SAMUEL ANTHONIUS MADUWU
PREDIKSI PERMINTAAN KREDIT MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI SAMUEL ANTHONIUS MADUWU 091402118 PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI
Lebih terperinciSeminar Nasional Inovasi Dan Teknologi Informasi (SNITI 3) ISSN : Samosir, November 2016
Analisis Penerapan Fuzzy Inference System (FIS) Dengan Metode Mamdani Pada Sistem Prediksi Mahasiswa Non Aktif (Studi Kasus : AMIK Tunas Bangsa Pematangsiantar) Anjar Wanto 1 1 Fakultas Ilmu Komputer-Teknologi
Lebih terperinciJARINGAN SYARAF TIRUAN UNTUK KLASIFIKASI STATUS GIZI BALITA JENIS KELAMIN LAKI-LAKI DENGAN METODE BACKPROPAGATION
JARINGAN SYARAF TIRUAN UNTUK KLASIFIKASI STATUS GIZI BALITA JENIS KELAMIN LAKI-LAKI DENGAN METODE BACKPROPAGATION Naskah Publikasi Program Studi Informatika Fakultas Komunikasi dan Informatika Oleh: Hasna
Lebih terperinciJARINGAN SYARAF TIRUAN DAN NAIVE BAYES UNTUK MENDETEKSI PENYAKIT GAGAL GINJAL DI RSUD Dr. ADHYATMA TUGUREJO SEMARANG
JARINGAN SYARAF TIRUAN DAN NAIVE BAYES UNTUK MENDETEKSI PENYAKIT GAGAL GINJAL DI RSUD Dr. ADHYATMA TUGUREJO SEMARANG Yudi Setyawan 1 *, Zulfikar Adi Nugroho 2 1,2 Prodi Statistika, Fakultas Sains Terapan,
Lebih terperinciPengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation
Erlangga, Sukmawati Nur Endah dan Eko Adi Sarwoko Pengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation Erlangga, Sukmawati Nur Endah dan Eko Adi Sarwoko
Lebih terperinci