IDENTIFIKASI AROMA CAMPURAN (BLENDING) KOPI ARABIKA DAN ROBUSTA DENGAN ELECTRONIC NOSE MENGGUNAKAN SISTEM PENGENALAN POLA
|
|
- Yohanes Tanuwidjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 IDENTIFIKASI AROMA CAMPURAN (BLENDING) KOPI ARABIKA DAN ROBUSTA DENGAN ELECTRONIC NOSE MENGGUNAKAN SISTEM PENGENALAN POLA Scent Identification with Electronic Nose Method on Arabica And Coffee Blending using Pattern Recognition System Surya Abdul Muttalib 1, Joko Nugroho W,K. 2, Nursigit Bintoro 2, Sri Rahayoe 2 1 Program Studi Teknik Pertanian, Fakultas Teknologi Pangan dan Agroindustri Universitas Mataram 2 Jurusan Teknik Pertanian, Fakultas Teknologi Pertanian, Universitas Gadjah Mada surya_muttalib@yahoo.com ABSTRACT Aim of this study was to determine value of Arabica and coffee blending using Neural Network pattern recognition systems based on Electronic Nose scent readings. The architecture was built using 4 pieces hidden layer with 4 neurons input in the form of Electronic Nose gas readings. While for output (target) was the value of blending coffee with three neurons which are a combination of binary digits 0 and 1. Artificial Neural Networks developed in this research can be used in recognizing the value of Arabica and coffee blending with an accuracy of 75. Key Word: Electronic Nose, Pattern Recognition Systems, Neural Network. ABSTRAK Penelitian ini bertujuan untuk menentukan nilai blending kopi Arabika dan menggunakan system pengenalan pola Jaringan Syaraf Tiruan berdasarkan aroma hasil pembacaan Electronic Nose. Arsitektur yang dibangun menggunakan 4 buah hiden layer dengan 4 buah neuron input berupa hasil pembacaan gas Electronic Nose. Sedangkan untuk out put (target) merupakan nilai blending kopi dengan tiga buah neuron yang merupakan kombinasi biner angka 0 dan 1. Jaringan Syaraf Tiruan yang dikembangkan dalam penelitian ini mampu digunakan dalam mengenali nilai blending kopi Arabika dan dengan ketepatan 75. Kata kunci : Electronic Nose, Sistem Pengenalan Pola, Jaringan Syaraf Tiruan. PENDAHULUAN Kopi menjadi salah satu dari lima komoditas utama perdagangan dunia (Taylor, 2005). Nestle (2004) menyatakan bahwa kopi menjadi komoditas pertanian utama kedua di dunia. Selain itu, kopi memiliki peranan vital dalam memberikan tambahan devisa bagi negara pengekspornya. Secara umum ada dua jenis kopi yang budidayakan di Indonesia yaitu kopi dan Arabika. Kopi Arabika memiliki mutu cita rasa lebih baik dibandingkan kopi (Siswoputranto, 1993), sehingga jika kedua jenis kopi ini dipadukan dimungkinkan akan menghasilkan kualitas flavor yang baik dengan cita rasa tinggi dan warna yang kuat. Penelitian Bicchi et al., (1995) menyatakan bahwa campuran kopi arabika dan robusta dapat meningkatkan nilai ekstraksi dan menyaring rasa masam pada kopi robusta, sedangkan dengan melebihkan persentasi jumlah kopi arabika dapat memperjelas rasa pahit dan secara umum meningkatkan aroma yang dihasilkan. Evaluasi organoleptik produksi kopi pabrikan biasanya secara tradisional bergantung pada indera manusia. Namun, indera manusia biasanya tidak stabil, tergantung kondisi fisik atau mental yang bersangkutan pada saat itu, dan hanya ukuran kualitatif yang bisa ditetapkan. Untuk 73
2 memungkinkan evaluasi rasa produksi kopi dengan kehandalan tinggi yang kontinu, sistem sensor elektronik yang menghasilkan pengukuran obyektif bisa digunakan (Gopel et all., 1989). Salah satu alat yang bisa digunakan adalah Electronic Nose (Hidung Elektronik) untuk identifikasi aroma. Dengan penggunaan alat tersebut didapatkan hasil evaluasi kualitas kopi yang lebih valid. Artificial Neural Network (ANN) atau yang lebih dikenal dengan Jaringan Syaraf Tiruan (JST) telah muncul sebagai alat yang menarik untuk pemodelan proses yang kompleks. Kekuatan dari JST adalah struktur yang umum dan memiliki kemampuan untuk mempelajari dari data historikalnya (Desai et al., 2008). Sehingga dalam penelitian ini pengujian analisis blending kopi Arabika dan menggunakan sistem pengenalan pola Jaringan Syaraf Tiruan. Adapun tujuan dari penelitian ini mengetahui pengaruh perbedaan lama waktu penyangraian kopi terhadap kadar air kopi Arabika dan dan mengklasifikasikan blending kopi Arabika dan berdasarkan kualitas aroma dan kadar air kopi dan Arabika menggunakan metode pengenalan pola Jaringan Syaraf Tiruan (JST) METODOLOGI PENELITIAN Waktu dan Tempat Penelitian ini dilaksanakan pada bulan Oktober 2011 Sampai bulan Januari Tahun 2012 di Laboratorium Rekayasa Pengolahan Hasil Pertanian, Laboratorium Teknik Pangan dan Pasca Panen Fakultas Teknologi Pertanian Universitas Gadjah Mada. Alat Dan Bahan Bahan yang dipakai dalam penelitian ini adalah biji Kopi dan Arabika kualitas A yang telah diproses dengan pengolahan cara kering dari Pengolahan Kopi Rakyar di Kecamatan Candi Roto, Temanggung, Jawa Tengah. Dalam penelitian ini, peralatan yang dipakai sebagai berikut: Alat Roasting kopi Merk Reksa, thermokopel, themodigital, Elektronik Nose (hidung elektronik), dengan 4 buah sensor (, TGS825, TGS826, TGS2602), Komputer (Notebook), oven pengering, erlenmeyer, timbangan digital, stopwatch, blender, alat tulis. Analisis jaringan syaraf tiruan menggunakan program matlab 2010a. Prosedur Percobaan Rancangan percobaan Pada penelitian ini dilakukan penyangraian Kopi Arabika dan dengan Suhu penyangraian 220ºC dengan lama penyangraian 20 menit, 30 menit, 40 menit, 50 menit, dan 60 menit baru dilakukan proses Blending Kopi Arabika dan dari hasil penyangraian yang optimal. Persentase Blending Kopi Arabika dan yang digunakan yaitu: A : Arabika 100% : 0% B : Arabika 75% : 25% C : Arabika 50% : 50% D : Arabika 25% : 75% E : Arabika 0% : 100% 74
3 Tahapan Penelitian Adapun bagan alir penelitian sebagai berikut: Biji Arabika Biji Sortasi Sortasi T=220 C; Penyangraian Penyangraian T=220 C; Kopi sangrai Arabika optimum Kopi sangrai optimum Blending Perbandingan Kopi Arabika dan : 0%:100%, 25%:75%, 50%;50%, 25%:75%, 100%:0% Pengujian Aroma dan Kadar Air Analisis JST Selesai Gambar 1. Bagan alir penelitian HASIL DAN PEMBAHASAN Penentuan Kualitas (Grade) Kopi Blending Arabika dengan Dalam penentuan grade kopi blending menggunakan jaringan syaraf tiruan ini, data yang digunakan adalah data 4 buah sensor aroma Electronic nose. Ada dua buah arsitektur yang dibangun dalam menentukan grade kopi blending Arabika dan yaitu 1) arsitektur penentuan kelas (kelompok) blending Arabika dan, dan 2) arsitektur penentuan nilai blending suatu sampel berdasarkan input sensor aroma Electronic Nose. Penentuan kelas blending kopi Arabika Dan Tujuan dari analisis ini adalah untuk mengelompokkan atau menentukan kelas kopi blending Arabika dengan sesuai dengan perlakuan blending yang diberikan. Penentuan grade kopi blending dalam penelitian ini menggunakan metode pelatihan tak terawasi. Pelatihan metode tak terawasi merupakan pelatihan yang dilakukan tanpa 75
4 menentukan nilai target out put dari arsitektur yang dibuat. Arsitektur JST Blending Data input Hiden layer Σ1 Out Put Σ2 Σ3 Σ4 Grade Kopi Blending Σn Gambar 2. Arsitektur kopi blending Arabika dan Data yang dimasukkan berupa 21 buah data pembacaan nilai voltase sensor aroma Electronic nose dari 5 perlakuan blending kopi blending Arabika dengan yang telah dilakukan. Setelah semua data dimasukkan kemudian dilakukan proses training dan validasi. Dari hasil pelatihan di atas didapatkan goal tercapai pada epoch ke-8960 dengan nilai R sebesar 0,991. Seperti yang terlihat pada Gambar 3. b... Gambar 4. Hasil pengujian JST kopi blending Arabika dengan Hasil penentuan kualitas kopi blending Arabika dengan sesuai dengan Gambar 4. Berdasarkan hasil analisa di atas dapat dilihat bahwa pada saat validasi data dari 21 satu data dimasukkan semuanya dapat ditentukan dengan tepat oleh JST yang dibangun. Penentuan Nilai Blending Kopi Arabika dan Arsitektur yang dibangun dalam penelitian ini bertujuan untuk dapat menentukan nilai blending sampel yang diidentifikasi menggunakan E-nose. Out put yang dihasilkan berupa nilai blending sampel. Adapun arsitektur yang dibangun sebagai berikut: Arsitektur JST 1 Data input Hiden layer Out Put (blending) Σ1 Σ2 Σ3 1 Gambar 3. Pencapain goal proses training kopi blending Arabika dengan Σ4 Σn 2 3 Setelah dilakukan proses training dan validasi selanjutnya dilakukan proses pengujian. Hasil pengujian 21 data yang dimasukkan dapat dilihat bahwa JST mampu menentukan kualitas grade kopi blending berdasarkan nilai input aroma. Hal ini dapat dilihat pada Gambar 4. Gambar 5. Arsitektur kopi blending Arabika dan b 76
5 Data yang dimasukkan berupa 21 buah data pembacaan nilai voltase sensor aroma Electronic nose dari 5 perlakuan blending kopi blending Arabika dengan yang telah dilakukan. Setelah semua data dimasukkan kemudian dilakukan proses training dan validasi. Dari hasil pelatihan di atas didapatkan goal tercapai pada epoch ke-8960 dengan nilai R sebesar 0,991. Seperti yang terlihat pada Gambar 6. Hasil penentuan kualitas kopi blending Arabika dengan sesuai dengan Gambar 4. Berdasarkan hasil analisa di atas dapat dilihat bahwa pada saat validasi data dari 21 satu data dimasukkan semuanya dapat ditentukan dengan tepat oleh JST yang dibangun. Penentuan Nilai Blending Kopi Arabika dan Arsitektur yang dibangun dalam penelitian ini bertujuan untuk dapat menentukan nilai blending sampel yang diidentifikasi menggunakan E-nose. Out put yang dihasilkan berupa nilai blending sampel. Adapun arsitektur yang dibangun sebagai berikut: Arsitektur JST 1 Data input Hiden layer Out Put (blending) Σ1 Σ2 Σ3 1 Gambar 6. Pencapain goal proses training kopi blending Arabika dengan Σ4 2 3 Setelah dilakukan proses training dan validasi selanjutnya dilakukan proses pengujian. Hasil pengujian 21 data yang dimasukkan dapat dilihat bahwa JST mampu menentukan kualitas grade kopi blending berdasarkan nilai input aroma. Hal ini dapat dilihat pada Gambar 7. Gambar 7. Hasil pengujian JST kopi blending Arabika dengan Gambar 8. Arsitektur penentuan nilai blending kopi Arabika dan Pada desain arsitektur yang dibangun, input yang diberikan merupakan 70 data hasil pembacaan sensor dari E-nose dengan 50 (70%) buah data sebagai training dan 20 data (30%) sebagai pengujian. data pengujian merupakan ulangan ketiga dari perlakuan blending. Arsitektur yang dibangun menggunakan 4 buah hiden layer dengan 4 buah neuron input berupa hasil pembacaan gas E-nose sedangkan untuk out put (target) merupakan nilai blending kopi dengan tiga buah neuron yang merupakan kombinasi biner angka 0 dan 1. Penentuan nilai target dari arsitektur JST yang dibangun dapat dilihat pada Tabel 1. Σn b 77
6 Tabel 1. Nilai target aritektur JST penentuan nilai kopi blending Arabika dan Persentase Blending Nilai Blending Target (out put JST) Arabika : = 100% : 0% Arabika : = 75% : 25% Arabika : = 50% : 50% Arabika : = 25% : 75% Arabika : = 0% : 100% Gambar 9. Proses training penentuan nilai blending kopi Arabika dan Dari hasil training didapatkan bahwa goal tercapai pada epoch ke 1576 dengan nilai R sebesar 0,980. Hal ini dapat dilihat pada Gambar 9. Setelah didapatkan training terbaik selanjutnya dilakukan prosses validasi untuk menilai ketepatan arsitektur yang dibangun. Perintah yang digunakan yaitu y=sim(net,b); Dari hasil validasi data didapatkan JST mampu dengan tepat menentukan nilai blending kopi blending Arabika dan dengan nilai ketepatan 100% sesuai dengan target pelatihan yang diberikan. Setelah itu dilakukan pengujian dengan memasukkan data baru berupa data 20 data pengujian yang mana data tersebut merupakan data ulangan ketiga dari perlakuan blending yang diberikan. Dari hasil pengujian menunjukkan bahwa JST mampu menentukan dengan tepat 15 data pengujian dan 5 buah data yang kurang tepat atau nilai kebenarannya sebesar 75%. KESIMPULAN Adapun kesimpulan yang dapat diambil dalam penelitian ini yaitu persentase Blending kopi Arabika dan Arabika 75% : 25% memiliki aroma yang sama dengan 100% Arabika dengan grade 1, sehingga penggunaan 25% cukup baik dalam mensubstitusi penggunaan kopi Arabika dan Jaringan Syaraf Tiruan yang dikembangkan dalam penelitian ini mampu digunakan dalam mengenali nilai blending kopi Arabika dan dengan ketepatan 75. DAFTAR PUSTAKA Bicchi CP, Binello AE, Pellegrino GM, Vanni AC Coffee chemestry. J. Agric Food Chem 43: Gopel,W., Hesse,J., Zemel,J.N Sensors : A Comprehensive Survey, VCH Verlagsgessellschaft Kusumoputro B dan Jatmiko, W Pengembangan Sistem Penciuman Elektronik Dengan 16 Buah Sensor Kuarsa Dan Algoritma Neural Propagasi Balik Untuk Pengenalan Aroma Campuran. Makara, sains, vol. 6, no. 3, desember Fakultas Ilmu Komputer, Universitas Indonesia, Depok, diakses pada tanggal 25 Desember 2010 pukul 9.25 AM. http//repository.ui.ac.id Nestle, S.A Face Of Cofee. Nestle. A Review On The Competitivn Siswoputranto, P.S Kopi Internasional dan Indonesia. Kanasius. Jakarta. 78
IDENTIFIKASI AROMA CAMPURAN (BLENDING) KOPI ARABIKA DAN ROBUSTA DENGAN ELECTRONIC NOSE MENGGUNAKAN SISTEM PENGENALAN POLA
IDENTIFIKASI AROMA CAMPURAN (BLENDING) KOPI ARABIKA DAN ROBUSTA DENGAN ELECTRONIC NOSE MENGGUNAKAN SISTEM PENGENALAN POLA Surya Abdul Muttalib 1, Joko Nugroho W,K 2., Nursigit Bintoro 2 1 Mahasiswa Pasca
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK IDENTIFIKASI AROMA TEH MENGGUNAKAN ELECTRONIC NOSE 1
APLIKASI JARINGAN SYARAF TIRUAN UNTUK IDENTIFIKASI AROMA TEH MENGGUNAKAN ELECTRONIC NOSE 1 Joko Nugroho 2, Dwi Muryani 2, Sri Rahayoe 2, Nursigit Bintoro 2 Penelitian ini bertujuan untuk mengidentifikasi
Lebih terperinciIDENTIFIKASI JENIS BUBUK KOPI MENGGUNAKAN ELECTRONIC NOSE DENGAN METODE PEMBELAJARAN BACKPROPAGATION
IDENTIFIKASI JENIS BUBUK KOPI MENGGUNAKAN ELECTRONIC NOSE DENGAN METODE PEMBELAJARAN BACKPROPAGATION Desti Rabersyah 1*, Firdaus 2, Derisma 3 1,3 Sistem Komputer Fakultas Teknologi Informasi Universitas
Lebih terperinciTechnical Paper. Arief Sudarmaji 1 dan Rifah Ediati 2. Abstract. Abstrak
Technical Paper Identifikasi Kematangan Buah Tropika Berbasis Sistem Penciuman Elektronik Menggunakan Deret Sensor Gas Semikonduktor Dengan Metode Jaringan Syaraf Tiruan Tropical Fruit Maturity Identification
Lebih terperinciMENGENALI FUNGSI LOGIKA AND MELALUI PEMROGRAMAN PERCEPTRON DENGAN MATLAB
POLITEKNOSAINS VOL. X NO. 2 Juni 2011 MENGENALI FUNGSI LOGIKA AND MELALUI PEMROGRAMAN PERCEPTRON DENGAN MATLAB Yaya Finayani Teknik Elektro, Politeknik Pratama Mulia, Surakarta 57149, Indonesia ABSTRACT
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 terperinci11 BAB I 12 PENDAHULUAN
11 BAB I 12 PENDAHULUAN 1.1 Latar Belakang Indonesia selama ini dikenal sebagai negeri penghasil rempah-rempah seperti jahe, pala, merica, cengkeh dan kunyit. Selain rempah-rempah, Indonesia juga dikenal
Lebih terperinciBAB II TINJAUAN PUSTAKA
6 2.1 Tinjauan Pustaka BAB II TINJAUAN PUSTAKA Penelitian mengenai sensor gas sebagai pedeteksi aroma atau aroma telah banyak dikembangkan selayaknya menyerupai sistem kerja hidung secara biologis.dan
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 terperinciIdentifikasi Jenis dan Mutu Kopi Menggunakan Pengolahan Citra Digital dengan Metode Jaringan Syaraf Tiruan
Identifikasi Jenis dan Mutu Kopi Menggunakan Pengolahan Citra Digital dengan Metode Jaringan Syaraf Tiruan Identification of Coffee Type and Quality Using Digital Image Processing using Artificial Neural
Lebih terperinciSistem Pengenalan Aroma Teh Dalam Instrumen Penciuman Elektronik Menggunakan Jaringan Syaraf Tiruan
Jurnal Gradien Vol.8 No.2 Juli 2012 : 796-801 Sistem Pengenalan Aroma Teh Dalam Instrumen Penciuman Elektronik Menggunakan Jaringan Syaraf Tiruan Suwardi Laboratorium Elektronika dan Instrumentasi, Jurusan
Lebih terperinciSTUDI PENGARUH JUMLAH FORMULASI RAGI INOKULUM DAN WAKTU FERMENTASI TERHADAP MUTU BIJI KOPI
STUDI PENGARUH JUMLAH FORMULASI RAGI INOKULUM DAN WAKTU FERMENTASI TERHADAP MUTU BIJI KOPI SKRIPSI FAHLEVI AKBAR 060305003 DEPARTEMEN TEKNOLOGI PERTANIAN FAKULTAS PERTANIAN UNIVERSITAS SUMATERA UTARA 2010
Lebih terperinciSISTEM PENDETEKSIAN GAS FORMALIN PADA BAHAN MAKANAN DENGAN SENSOR GAS BERBAHAN POLIMER MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN (JST)
PENELITIAN KELOMPOK LAPORAN PENELITIAN SISTEM PENDETEKSIAN GAS FORMALIN PADA BAHAN MAKANAN DENGAN SENSOR GAS BERBAHAN POLIMER MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN (JST) Oleh : Budi Gunawan, ST, MT.
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 terperinciPERAMALAN BEBAN PEMAKAIAN LISTRIK JAWA TENGAH DAN DAERAH ISTIMEWA YOGYAKARTA DENGAN
PERAMALAN BEBAN PEMAKAIAN LISTRIK JAWA TENGAH DAN DAERAH ISTIMEWA YOGYAKARTA DENGAN MENGGUNAKAN HYBRID AUTOREGRESSIVE INTEGRATED MOVING AVERAGE NEURAL NETWORK Disusun oleh : Berta Elvionita Fitriani 24010211120005
Lebih terperinciPERBANDINGAN ANALISIS PENGENALAN HURUF ARAB MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN K-NEAREST NEIGHBOR
PERBANDINGAN ANALISIS PENGENALAN HURUF ARAB MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN K-NEAREST NEIGHBOR Ragil Anggararingrum Perwira Nagara¹, Adiwijaya², Ratri Dwi Atmaja³ ¹Teknik
Lebih terperinciJurnal Fisika Unand Vol. 2, No. 4, Oktober 2013 ISSN
PREDIKSI CURAH HUJAN BULANAN MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN BEBERAPA FUNGSI PELATIHAN BACKPROPAGATION (Studi Kasus: Stasiun Meteorologi Tabing Padang, Tahun 2001-2012) Cici Oktaviani, Afdal
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 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 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 terperinciI. PENDAHULUAN. dalam family Rubiaceae dan genus Coffea. Kopi merupakan bahan minuman tidak
1 I. PENDAHULUAN 1.1. Latar Belakang Kopi (Coffea spp) adalah spesies tanaman berbentuk pohon dan termasuk dalam family Rubiaceae dan genus Coffea. Kopi merupakan bahan minuman tidak saja terkenal di Indonesia
Lebih terperinciI PENDAHULUAN. Pemikiran, (6) Hipotesis Penelitian, dan (7) Tempat dan Waktu Penelitian.
I PENDAHULUAN Bab ini menguraikan mengenai : (1) Latar Belakang, (2) Identifikasi Masalah, (3) Maksud dan Tujuan Penelitian, (4) Manfaat Penelitian, (5) Kerangka Pemikiran, (6) Hipotesis Penelitian, dan
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 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 terperinciISSN : e-proceeding of Engineering : Vol.2, No.1 April 2015 Page 140
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.1 April 2015 Page 140 PENGENALAN INDIVIDU BERDASARKAN GAIT MENGGUNAKAN SINGULAR VALUE DECOMPOSITION DAN JARINGAN SYARAF TIRUAN BACK PROPAGATION
Lebih terperinciMEMPELAJARI PENGARUH KONSENTRASI RAGI DALAM FORMULASI INOKULUM FERMENTASI DAN LAMA PENYANGRAIAN TERHADAP MUTU KOPI BUBUK
MEMPELAJARI PENGARUH KONSENTRASI RAGI DALAM FORMULASI INOKULUM FERMENTASI DAN LAMA PENYANGRAIAN TERHADAP MUTU KOPI BUBUK SIKTIEN SEPTIA 060305008 DEPARTEMEN TEKNOLOGI PERTANIAN FAKULTAS PERTANIAN UNIVERSITAS
Lebih terperinciANALISIS VARIASI PARAMETER LEARNING VECTOR QUANTIZATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA ODOR
Jurnal Teknik dan Ilmu Komputer ANALISIS VARIASI PARAMETER LEARNING VECTOR QUANTIZATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA ODOR PARAMETER VARIATION ANALYSIS OF LEARNING VECTOR QUANTIZATION
Lebih terperinciANALISIS DAN PERANCANGAN JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION PADA APLIKASI PENGENALAN TANDA TANGAN
Analisis dan Perancangan Tanda Tangan Wilis K, Fani W, Heru Cahya R ANALISIS DAN PERANCANGAN JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION PADA APLIKASI PENGENALAN TANDA TANGAN Wilis Kaswidjanti,
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 terperinciSISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL
1 SISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (Human Face Detection System on Digital Images) Setyo Nugroho 1, Agus Harjoko 2 Program Studi Ilmu Komputer Program Pascasarjana Universitas Gadjah
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 terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1 Waktu dan Lokasi Penelitian Penelitian ini dilakukan pada bulan Mei 2011 hingga Agustus 2011 yang berlokasi di kolam petani Desa Laladon, Kecamatan Ciomas, Kabupaten Bogor,
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 terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kebutuhan akan prediksi semakin meningkat pada era globalisasi saat ini sejalan dengan keinginan masyarakat khususnya pelaku bisnis untuk memberikan tanggapan
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 terperinciSistem Klasifikasi Rasa Kopi Berbasis Electronic Tongue Menggunakan Madaline Neural Network
IJEIS, Vol.4, No.2, October 2014, pp. 201~210 ISSN: 2088-3714 201 Sistem Klasifikasi Rasa Kopi Berbasis Electronic Tongue Menggunakan Madaline Neural Network Yudi Anom Priambudi *1, Sri Hartati 2, Danang
Lebih terperinciBAB I PENDAHULUAN. mengenali dan membedakan ciri khas yang dimiliki suatu objek (Hidayatno,
1 BAB I PENDAHULUAN A. Latar belakang Saat ini pemanfaatan teknologi pengolaan citra untuk mempermudah manusia dalam menyelesaikan masalah-masalah tertentu sudah banyak diterapkan, khususnya dibidang Identifikasi.
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 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 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 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 terperinciIdentifikasi Tahu Berformalin dengan Electronic Nose Menggunakan Jaringan Syaraf Tiruan Backpropagation
IJEIS, Vol.6, No.2, October 2016, pp. 211~220 ISSN: 2088-3714 211 Identifikasi Tahu Berformalin dengan Electronic Nose Menggunakan Jaringan Syaraf Tiruan Backpropagation Wida Astuti* 1, Danang Lelono 2,Faizah
Lebih terperinciPOSITRON, Vol. IV, No. 2 (2014), Hal ISSN :
Modifikasi Estimasi Curah Hujan Satelit TRMM Dengan Metode Jaringan Syaraf Tiruan Propagasi Balik Studi Kasus Stasiun Klimatologi Siantan Fanni Aditya 1)2)*, Joko Sampurno 2), Andi Ihwan 2) 1)BMKG Stasiun
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 terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN Tahap 1 : Identifikasi Permasalahan Mencari literatur-literatur yang berhubungan dengan bahan penelitian. Tahap 2 : Pengambilan Data Training : Testing 5 : 1 150 : 30 Dari 10 responden
Lebih terperinciAPLIKASI JARINGAN SARAF TIRUAN METODE PERCEPTRON PADA PENGENALAN POLA NOTASI
APLIKASI JARINGAN SARAF TIRUAN METODE PERCEPTRON PADA PENGENALAN POLA NOTASI Muhamad Arifin SMK Telkom Malang Email: arifin@smktelkom-mlg.sch.id Khoirudin Asfani Fakultas Teknik, Universitas Negeri Malang
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 terperinciJURNAL SAINS DAN INFORMATIKA
39 Fauzul Sains Amri, dan Jaringan Informatika Syaraf Vol.1 Tiruan (N0.1) untuk (2015): Memprediksi 37-43 JURNAL SAINS DAN INFORMATIKA Research of Science and Informatic e-mail: jit.kopertis10@gmail.com
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 terperinciImplementasi Jaringan Syaraf Tiruan Backpropagation Untuk Pengenalan Citra Digital Menggunakan Deteksi Tepi
UJM 3 (1) (2014) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm Implementasi Jaringan Syaraf Tiruan Backpropagation Untuk Pengenalan Citra Digital Menggunakan Deteksi Tepi Henry
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 terperinciMATERI DAN METODE. Cara Pengambilan Data
MATERI DAN METODE Lokasi dan Waktu Penelitian ini dilaksanakan di Laboratorium Lapang Bagian Ilmu Produksi Ternak Perah, Fakultas Peternakan Institut Pertanian Bogor. Penelitian dilaksanakan selama dua
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Lokasi Penelitian Penelitian ini di lakukan di PG. Kebon Agung. Tbk, Desa Kebon Agung Kec. Pakisaji, Kab. Malang, Jawa Timur. Pemilihan lokasi ini dilakukan secara sengaja
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 terperinciBAB I PENDAHULUAN LATAR BELAKANG
BAB I PENDAHULUAN I.1. LATAR BELAKANG Identifikasi kualitas suatu produk pangan dapat dilakukan, salah satunya, dengan mencium aromanya. Produk produk seperti kopi, teh, produk peternakan, daging, dapat
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 terperincilalu menghitung sinyal keluarannya menggunakan fungsi aktivasi,
LAMPIRAN 15 Lampiran 1 Algoritme Jaringan Syaraf Tiruan Propagasi Balik Standar Langkah 0: Inisialisasi bobot (bobot awal dengan nilai random yang paling kecil). Langkah 1: Menentukan maksimum epoch, target
Lebih terperinciBAB III METODOLOGI PENELITIAN
19 BAB III METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Kerangka pemikiran untuk penelitian ini seperti pada Gambar 9. Penelitian dibagi dalam empat tahapan yaitu persiapan penelitian, proses pengolahan
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Electronic nose (e-nose) adalah sebuah instrument yang digunakan untuk mendeteksi bau atau aroma.
BAB I PENDAHULUAN 1.1 Latar Belakang Electronic nose (e-nose) adalah sebuah instrument yang digunakan untuk mendeteksi bau atau aroma. Sistem ini dibangun atas larik sensor gas yang dikenal dengan sistem
Lebih terperinciBambang Marhaenanto 1) *, Deddy Wirawan Soedibyo 1), Miftahul Farid 1), 1)
PENENTUAN LAMA SANGRAI KOPI BERDASARKAN VARIASI DERAJAT SANGRAI MENGGUNAKAN MODEL WARNA RGB PADA PENGOLAHAN CITRA DIGITAL (DIGITAL IMAGE PROCESSING) Determination of Coffee Roasting Duration Based on Roasting
Lebih terperinciPemodelan Jaringan Syaraf Tiruan dengan Algoritma One Step Secant Backpropagation dalam Return Kurs Rupiah Terhadap Dolar Amerika Serikat
Pemodelan Jaringan Syaraf Tiruan dengan Algoritma One Step Secant Backpropagation dalam Return Kurs Rupiah Terhadap Dolar Amerika Serikat SKRIPSI Disusun oleh: MAULIDA NAJWA 24010212130028 DEPARTEMEN STATISTIKA
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 terperinciTeknik Pertanian, Fakultas Teknologi Pertanian, Universitas Jember Jalan Kalimantan No. 37 Jember, *
PERAMALAN JUMLAH PERMINTAAN UDANG BEKU PND MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN (JST) BACKPROPAGATION Forecasting of PND Frozen Shrimp Demand Using Artificial Neural Network Method (ANN) Backpropagation
Lebih terperinciUnnes Journal of Mathematics
UJM 2 (2) (2013) Unnes Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm PERBANDINGAN PREDIKSI HARGA SAHAM DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN ARIMA Dwi Prisita
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Tahu merupakan kata serapan dari bahasa Hokkian (Tauhu) yang secara harfiah berarti kedelai yang difermentasi (Hermawan, 2013). Seperti halnya kecap, tauco, bakpau,
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 terperinciPERBEDAAN METODE PENGERINGAN TERHADAP KUALITAS PRODUK KOPI INSTAN KARYA ILMIAH
PERBEDAAN METODE PENGERINGAN TERHADAP KUALITAS PRODUK KOPI INSTAN KARYA ILMIAH OLEH: GIOVANI KARTOSUGONDO 6103012122 PROGRAM STUDI TEKNOLOGI PANGAN FAKULTAS TEKNOLOGI PERTANIAN UNIVERSITAS KATOLIK WIDYA
Lebih terperinciPenggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah
Vol. 14, No. 1, 61-68, Juli 2017 Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah La Surimi, Hendra, Diaraya Abstrak Jaringan syaraf tiruan (JST) telah banyak diaplikasikan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Tanaman kopi (coffea sp) di Indonesia sebagian besar berasal dari perkebunan rakyat dengan penerapan teknologi budidaya yang masih terbatas, apabila penerapan teknologi
Lebih terperinciPengaruh Jenis dan Lama Penyangraian pada Mutu Kopi Robusta (Coffea robusta)
Edvan: Pengaruh Suhu dan Lama Penyangraian pada... Pengaruh Jenis dan Lama Penyangraian pada Mutu Kopi Robusta (Coffea robusta) (The Effect of Temperature and Roasting Time on the Quality of Robusta Coffee
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 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 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 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 terperinciBAB I PENDAHULUAN. penting di Indonesia. Buah-buahan memiliki tingkat permintaan yang tinggi.
BAB I PENDAHULUAN A. LATAR BELAKANG Buah-buahan merupakan salah satu kelompok komoditas pertanian yang penting di Indonesia. Buah-buahan memiliki tingkat permintaan yang tinggi. Permintaan domestik terhadap
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Metoda analisa data secara statistik dapat diaplikasikan untuk mendapatkan pengertian terhadap proses-proses yang berubah waktu yang sangat kompleks untuk dimodelkan secara analitik. Data pertama-tama
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 terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK [1] Meishytah Eka Aprilianti, [2] Dedi Triyanto, [3] Ilhamsyah [1] [2] [3] Jurusan Sistem Komputer, Fakultas
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Meter air merupakan alat untuk mengukur banyaknya air yang digunakan oleh
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Meter air merupakan alat untuk mengukur banyaknya air yang digunakan oleh pelanggan. Alat ini biasa diletakkan di rumah-rumah yang menggunakan penyediaan air
Lebih terperinciPENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA RESILENT BACKPROPAGATION
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 203-209 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD
Lebih terperinciANALISIS DAN PERACANGAN APLIKASI SISTEM PENDETEKSI GANGGUAN JARINGAN KOMPUTER MENGGUNAKAN MULTILAYER DENGAN PELATIHAN FEEDFORWARD SKRIPSI
ANALISIS DAN PERACANGAN APLIKASI SISTEM PENDETEKSI GANGGUAN JARINGAN KOMPUTER MENGGUNAKAN MULTILAYER DENGAN PELATIHAN FEEDFORWARD SKRIPSI SISKA MELINWATI 061401040 PROGRAM STUDI SARJANA ILMU KOMPUTER DEPARTEMEN
Lebih terperinciPREDIKSI KONSENTRASI INOKULUM DAN UMUR FERMENTASI PADA TEMPE MENGGUNAKAN LARIK SENSOR GAS DENGAN METODE JARINGAN SYARAF TIRUAN
PREDIKSI KONSENTRASI INOKULUM DAN UMUR FERMENTASI PADA TEMPE MENGGUNAKAN LARIK SENSOR GAS DENGAN METODE JARINGAN SYARAF TIRUAN Kamirul 1), Boni Pahlanop Lapanporo 1), dan Andi Ihwan 1) 1)Program Studi
Lebih terperinciIr. Khalid. ToT Budidaya Kopi Arabika Gayo Secara Berkelanjutan, Pondok Gajah, 06 s/d 08 Maret Page 1 PENDAHULUAN
PENDAHULUAN Bagi Indonesia kopi (Coffea sp) merupakan salah satu komoditas yang sangat diharapkan peranannya sebagai sumber penghasil devisa di luar sektor minyak dan gas bumi. Disamping sebagai sumber
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 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 terperinciPENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMEN INVARIAN DAN RADIAL BASIS FUNCTION (RBF)
PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMEN INVARIAN DAN RADIAL BASIS FUNCTION (RBF) AINUN JARIAH 1209201721 DOSEN PEMBIMBING 1. Prof. Dr. Mohammad Isa Irawan, M.T 2. Dr Imam Mukhlas, S.Si, M.T
Lebih terperinciUJI BEDA UKURAN MESH TERHADAP MUTU PADA ALAT PENGGILING MULTIFUCER
UJI BEDA UKURAN MESH TERHADAP MUTU PADA ALAT PENGGILING MULTIFUCER (Test of Different Mesh Size on the Quality of Coffee Bean In Multifucer Grinder) Johanes Panggabean 1, Ainun Rohanah 1, Adian Rindang
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 terperinciARSITEKTUR JARINGAN SYARAF TIRUAN UNTUK PEMODELAN PROSES EKSTRAKSI ATURAN DENGAN SEARCH TREE
ARSITEKTUR JARINGAN SYARAF TIRUAN UNTUK PEMODELAN PROSES EKSTRAKSI ATURAN DENGAN SEARCH TREE Rina Dewi Indah Sari 1 dan Gunawan 2 1 Teknik Informatika STMIK ASIA Malang 2 Teknik Informatika STTS Surabaya
Lebih terperinciRealisasi Pengenalan Tulisan Tangan Menggunakan Jaringan Syaraf Tiruan dengan Metode Kohonen
Realisasi Pengenalan Tulisan Tangan Menggunakan Jaringan Syaraf Tiruan dengan Metode Kohonen David Novyanto Candra/0322003 Email: dave_christnc@yahoo.com Jurusan Teknik Elektro, Fakultas Teknik, Jln.Prof.Drg.Suria
Lebih terperinciPEMANFAATAN TRANSFORMASI WAVELET SEBAGAI EKSTRAKSI CIRI PADA KLASIFIKASI BERTINGKAT SINYAL EKG
PEMANFAATAN TRANSFORMASI WAVELET SEBAGAI EKSTRAKSI CIRI PADA KLASIFIKASI BERTINGKAT SINYAL EKG T 610.28 PUT Abstrak Penelitian ini bertujuan untuk memperlihatkan suatu metoda pengenalan multi pola dari
Lebih terperinciPENGARUH SUHU DAN LAMA PENYANGRAIAN TERHADAP TINGKAT KADAR AIR DAN KEASAMAN KOPI ROBUSTA
PENGARUH SUHU DAN LAMA PENYANGRAIAN TERHADAP TINGKAT KADAR AIR DAN KEASAMAN KOPI ROBUSTA (Coffea robusta) The Effect of Temperature and Long Roasting Against Moisture levels and acidity of Coffee robusta
Lebih terperinciBAB I PENDAHULUAN. termasuk dalam famili Rubiaceae dan genus Coffea. Tanaman kopi. merupakan tanaman unggulan yang sudah dikembangkan dan juga menjadi
BAB I PENDAHULUAN 1.1 Latar Belakang Kopi (Coffea spp) adalah spesies tanaman berbentuk pohon dan termasuk dalam famili Rubiaceae dan genus Coffea. Tanaman kopi merupakan tanaman unggulan yang sudah dikembangkan
Lebih terperinciBAB I PENDAHULUAN. Manggis (Garcinia mangostana L.) merupakan tanaman yang tumbuh di
BAB I PENDAHULUAN 1.1 Latar Belakang Manggis (Garcinia mangostana L.) merupakan tanaman yang tumbuh di daerah tropis dan berasal dari Indonesia yang menjadi komoditas utama perdagangan nasional serta mempunyai
Lebih terperinciWAHYU YUSDIALI (G ) 1 Mursalim dan I.S Tulliza 2 ABSTRAK
PENGARUH SUHU DAN LAMA PENYANGRAIAN TERHADAP TINGKAT KADAR AIR DAN KEASAMAN KOPI ROBUSTA (Coffea robusta) The Effect of Temperature and Long Roasting Against Moisture levels and acidity of Coffee robusta
Lebih terperinciHALAMAN SAMPUL SKRIPSI PENGENALAN POLA TELAPAK TANGAN DENGAN MENGGUNAKAN ALGORITMA BACK PROPAGATION NEURAL NETWORK
HALAMAN SAMPUL SKRIPSI PENGENALAN POLA TELAPAK TANGAN DENGAN MENGGUNAKAN ALGORITMA BACK PROPAGATION NEURAL NETWORK Oleh: MOH SHOCHWIL WIDAT 2011-51-034 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK
Lebih terperinciAbstract. Keywords: Artificial Neural Network
Abstract Artificial Neural Network is one of the technologies which have developed because of Information Technology development itself. Nowadays, more and more large companies are implementing Artificial
Lebih terperinciPENENTUAN NILAI VEKTOR PEWAKIL AWAL PADA ARSITEKTUR JARINGAN SYARAF TIRUAN LVQ UNTUK PENGENALAN WAJAH
PENENTUAN NILAI VEKTOR PEWAKIL AWAL PADA ARSITEKTUR JARINGAN SYARAF TIRUAN LVQ UNTUK PENGENALAN WAJAH Devira Anggi Maharani 1, Mila Fauziyah 2, Denda Dewatama 3 1,2 Jurusan Elektro, Prodi Elektronika,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Budaya minum kopi terutama di pagi hari sangatlah khas kita dengar setiap harinya. Tidak hanya di pagi hari di saat semua orang akan memulai harinya melainkan juga
Lebih terperinci