PERANCANGAN SOFTSENSOR KADAR GAS BUANG PADA STACK HASIL KELUARAN HRSG (HEAT RECOVERY STEAM GENERATOR) DENGAN METODE JARINGAN SYARAF TIRUAN
|
|
- Lanny Dharmawijaya
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PERANCANGAN SOFTSENSOR KADAR GAS BUANG PADA STACK HASIL KELUARAN HRSG (HEAT RECOVERY STEAM GENERATOR) DENGAN METODE JARINGAN SYARAF TIRUAN Oleh : Hera Firdhausa Katili Dosen Pembimbing : Dr. Bambang Lelono Widjiantoro, S.T.,M.T. NIP LABORATORIUM REKAYASA INSTRUMENTASI DAN KONTROL JURUSAN TEKNIK FISIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI SEPULUH NOPEMBER
2 LATAR BELAKANG Dampak lingkungan - > polusi udara CEMS Analyzer Kelemahan : -Harga mahal -Diperlukan maintenance dalam jangka waktu tertentu -Terkadang terjadi error dalam pengukurannya Data yang digunakan non-linier dan MIMO SOFTSENSOR
3 PERMASALAHAN Bagaimana merancang softsensor kadar gas buang pada stack sebagai hasil keluaran dari HRSG (Heat Recovery Steam Generator) dengan metode jaringan syaraf tiruan.
4 TUJUAN Tujuan dari penelitian tugas akhir ini adalah merancang softsensor kadar gas buang pada stack sebagai hasil keluaran dari HRSG (Heat Recovery Steam Generator) dengan metode jaringan syaraf tiruan sehingga dapat memberikan hasil yang cukup akurat.
5 BATASAN MASALAH Data input yang digunakan adalah data yang terukur pada stack saat beroperasi (real time). Kadar gas buang yang terukur oleh CEMS Analyzer adalah gas NO, CO dan O 2. Metode yang digunakan dalam perancangan softsensor adalah Jaringan Syaraf Tiruan. Algoritma yang digunakan dalam Jaringan Syaraf Tiruan adalah algoritma backpropagation. Fungsi pelatihan yang digunakan dalam algoritma backpropagation ini adalah Levenberg-Marquardt. Perancangan softsensor kadar gas buang dilakukan secara simulasi menggunakan software Matlab seri R2009a.
6 DASAR TEORI
7 SEKILAS CEMS ANALYZER Pengertian CEMS Analyzer Kadar gas NO, SO 2, CO 2, CO dan CH 4 diukur menggunakan metode NDIR (non-dispersive infrared) yang memanfaatkan radiasi sinar infrared untuk pengukuran sedangkan O 2 menggunakan sensor external. Ketentuan sampel gas : 1. Rendah temperatur 2. Tidak banyak mengandung debu dan zat-zat kotoran yang bersifat korosif
8 JARINGAN SYARAF TIRUAN
9 ALGORITMA BACKPROPAGATION Algoritma Backpropagation adalah algoritma jaringan syaraf tiruan (JST) yang multi layer dan biasanya sering digunakan untuk menyelesaikan masalah yang rumit.
10 Pelatihan backpropagation terdiri dari 3 fase : 1. Propagasi maju 2. Propagasi mundur 3. Perubahan bobot Ketiga fase ini akan terus diulang hingga kondisi penghentian dipenuhi. Kondisi pnghentian adalah ketika jumlah iterasi melebihi jumlah maksimum yang ditentukan atau jika kesalahan/eror yang terjadi sudah lebih kecil dari batas toleransi.
11 METODOLOGI PENELITIAN
12 Mulai Studi Literatur Pengambilan Data Penyususnan Algoritma Backpropagation Proses training dan validasi data tidak MSE mencapai ya Perancangan HMI Selesai
13 STUDI LITERATUR CEMS Analyzer = untuk mengetahui karakteristik dan prinsip kerja dari CEMS Analyzer. Jaringan Syaraf Tiruan = melakukan penyusunan algoritma, penentuan fungsi aktifasi, jumlah layer dan fungsi pelatihannya. Software MATLAB = untuk pengujian data dengan menentukan jumlah data yang digunakan untuk proses training, validation dan testing.
14 PENGAMBILAN DATA Pengambilan data dilakukan di PLTGU Belawan dimana data tersimpan dalam recorder yang terhubung langsung dengan CEMS Analyzer. Data Input : pressure, temperature, dust dan opacity Data Output : kadar gas NO, CO dan O2. Jumlah data : 870 data untuk setiap jenis data.
15 ARSITEKRUR BACKPROPAGATION
16 PENYUSUNAN ALGORITMA BACKPROPAGATION PENGAMBILAN DATA == Pengambilan data dilakukan dengan cara meberikan kode perintah pda m-file untuk mengambil data dari Excel dalam bentuk matriks. Bentuk matriks yang dibuat adalah 7x870 dimana terdiri dari 7 baris (4 baris untuk input 3 baris untuk target) dan 870 kolom untuk jumlah data. PREPROCESSING DATA == untuk merubah data yang bernilai puluhan/ratusan ke dalam range PEMBENTUKAN JARINGAN == menggunakan 2 fungsi aktifasi yaitu sigmoid bipolar dan linier serta fungsi pembelajaran Levenberg Marquardt. PARAMETER PELATIHAN == lr = 1 goal = epoch = 1000 PEMBAGIAN DATA == data training=610 data (data ke-1 610) data validasi=130 data (data ke ) data testing=130 data (data ke ). INISIALISASI BOBOT == untuk menyimpan nilai bobot dan bias pada setiap layer ketika diperoleh performansi yang baik agar nilai MSE dan jumlah iterasi tidak berubah. SIMULASI JARINGAN == untuk menghitung keluaran jaringan berdasarkan arsiektur, pola masukan dan fungsi aktifasi yang digunakan. Nilai keluaran hasil simulasi jaringan ini masih dalam range Untuk merubah nilai tersebut ke dalam nilai aslinya maka digunakan perintah postprocessing data.
17 ANALISA DATA DAN PEMBAHASAN
18 Selama proses pelatihan variabel yang diubah-ubah adalah jumlah node/neuron untuk mendapat MSE yang paling baik mendekati nilai Jumlah Node MSE
19 GRAFIK PERFORMANSI
20 Setelah nilai bobot dan bias disimpan dalam m-file maka tampilan grafik performansi sbb :
21 GRAFIK REGRESI
22 PERBANDINGAN KADAR GAS NO AKTUAL DENGAN KELUARAN SOFTSENSOR Jumlah Node Rata-rata eror (ppm) Prosentase Eror (%) VAF (%)
23 Perbandingan kadar gas NO aktual dengan keluaran softsensor ppm data
24 PERBANDINGAN KADAR GAS CO AKTUAL DENGAN KELUARAN SOFTSENSOR Jumlah Node Rata-rata eror (ppm) Prosentase Eror (%) VAF (%)
25 Perbandinga kadar gas CO aktual dengan keluaran softsensor ppm data
26 PERBANDINGAN KADAR GAS O2 AKTUAL DENGAN KELUARAN SOFTSENSOR Jumlah Node Rata-rata eror (ppm) Prosentase Eror (%) VAF (%)
27 Perbandingan kadar gas O2 aktual dengan keluaran softsensor ppm data
28 INTERFACE DENGAN GUI Static text Edit text Panel Push Button
29
30 KESIMPULAN Telah berhasil dirancang softsensor kadar gas buang pada stack hasil keluaran HRSG dengan metode jaringan syaraf tiruan menggunakan algoritma backpropagation. Fungsi pelatihan yang digunakan dalam perancangan ini adalah fungsi pelatihan trainlm karena fungsi ini merupakan metode pembelajaran dengan proses penurunan tercepat tanpa memerlukan perhitungan matriks Hessian. Dari proses training dan validasi didapatkan MSE terkecil yang menunjukkan hasil terbaik dengan memasukkan jumlah neuron 130 yaitu 0, Didapatkan rata-rata eror untuk masing-masing kadar gas buang sebesar , 0.01 dan 0.12 ppm dengan tingkat akurasi sebesar 99.01%, 99.03% dan 99.01%.
31 TERIMA KASIH
PERANCANGAN SOFTSENSOR KADAR GAS BUANG PADA
PERANCANGAN SOFTSENSOR KADAR GAS BUANG PADA STACK HASIL KELUARAN HRSG (HEAT RECOVERY STEAM GENERATOR) DENGAN METODE JARINGAN SYARAF TIRUAN residu dari turbin gas pada PLTG berupa gas yang kemudian dimanfaatkan
Lebih terperinciOleh : Alif Tober Rachmawati
Perancangan softsensor steam quality pada steam generator dengan optimasi nilai spesifik volume dengan metode jaringan syaraf tiruan (JST) Oleh : Alif Tober Rachmawati 2410105022 Latar Belakang Steam generator
Lebih terperinciPERANCANGAN SOFTSENSOR STEAM QUALITY PADA STEAM GENERATOR DENGAN OPTIMASI NILAI SPESIFIK VOLUM DENGAN METODE JARINGAN SYARAF TIRUAN (JST)
PERANCANGAN SOFTSENSOR STEAM QUALITY PADA STEAM GENERATOR DENGAN OPTIMASI NILAI SPESIFIK VOLUM DENGAN METODE JARINGAN SYARAF TIRUAN () 1 Alif Tober Rachmawati, Fitri Adi Iskandarianto, ST.MT, DR.Gunawan
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 terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Data Yang Digunakan Dalam melakukan penelitian ini, penulis membutuhkan data input dalam proses jaringan saraf tiruan backpropagation. Data tersebut akan digunakan sebagai
Lebih terperinciMETODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN A. Kerangka Pemikiran Perusahaan dalam era globalisasi pada saat ini, banyak tumbuh dan berkembang, baik dalam bidang perdagangan, jasa maupun industri manufaktur. Perusahaan
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 terperinciGambar 3.1 Desain Penelitian
METODOLOGI PENELITIAN 3.1 Desain Penelitian Studi Literatur: Permalan Time Series, Harga Minyak Bumi, Jaringan Syaraf Tiruan, Backpropagation Pengumpulan Data Harga Minyak Bumi di Indonesia Perancangan
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 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 terperinciEstimasi Suhu Udara Bulanan Kota Pontianak Berdasarkan Metode Jaringan Syaraf Tiruan
Estimasi Suhu Udara Bulanan Kota Pontianak Berdasarkan Metode Jaringan Syaraf Tiruan Andi Ihwan 1), Yudha Arman 1) dan Iis Solehati 1) 1) Prodi Fisika FMIPA UNTAN Abstrak Fluktuasi suhu udara berdasarkan
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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Gambar 3.1 menggambarkan desain penelitian peramalan volume penumpang kereta api di pulau Jawa-Sumatera dengan metode Jaringan Syaraf Tiruan Backpropagation.
Lebih terperinciPresentasi Tugas Akhir
Presentasi Tugas Akhir Bagian terpenting dari CRM adalah memahami kebutuhan dari pelanggan terhadap suatu produk yang ditawarkan para pelaku bisnis. CRM membutuhkan sistem yang dapat memberikan suatu
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
68 BAB IV IMPLEMENTASI DAN PENGUJIAN Bab ini membahas tentang program yang telah dianalisis dan dirancang atau realisasi program yang telah dibuat. Pada bab ini juga akan dilakukan pengujian program. 4.1
Lebih terperinci3. METODE PENELITIAN
19 3. METODE PENELITIAN 3.1 Diagram Alir Penelitian Kerangka pemikiran pada penelitian ini dapat digambarkan dalam suatu bagan alir seperti pada Gambar 8. Gambar 8 Diagram Alir Penelitian Pengumpulan Data
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 terperinciIV. HASIL DAN PEMBAHASAN A.
IV. HASIL DAN PEMBAHASAN A. Persiapan Data Untuk Analisis Jaringan Syaraf Tahapan pertama sebelum merancang model jaringan syaraf tiruan adalah menyiapkan data. Secara garis besar tahapan-tahapan dalam
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 terperinciHASIL DAN PEMBAHASAN. Tabel 3 Contoh data Shorea hasil kodefikasi
8 disajikan contoh data Shorea hasil kodefikasi dari beberapa karakter yang bernilai nominal. Tabel 2 Karakter daun yang bernilai nominal Karakter Nilai Kode Bentuk tulang Tidak menempel 1 daun Permukaan
Lebih terperinciBAB IV PERANCANGAN DAN PEMBAHASAN
4.1 Data Yang Digunakan BAB IV PERANCANGAN DAN PEMBAHASAN Secara umum, gambaran data yang penulis peroleh dapat dilihat pada lampiran. Data tersebut adalah data hasil proses logging disajikan dalam bentuk
Lebih terperinciPerancangan Sistem Pemodelan Kontrol Level Air Steam Drum Berbasis Jaringan Syaraf Tiruan
Perancangan Sistem Pemodelan Kontrol Level Air Steam Drum Berbasis Jaringan Syaraf Tiruan Ardian Oktakaisar, Supari, Herwin Suprijono Jurusan Teknik elektro, Fakultas Teknik, Universitas Dian Nuswantoro
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENYAKIT SALURAN PERNAFASAN DENGAN METODE BACKPROPAGATION
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENYAKIT SALURAN PERNAFASAN DENGAN METODE BACKPROPAGATION [1] Novi Indah Pradasari, [2] F.Trias Pontia W, [3] Dedi Triyanto [1][3] Jurusan Sistem Komputer,
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 terperinciMahasiswa: Muhimmatul Khoiro Dosen Pembimbing: M. Arief Bustomi, S.Si, M.Si.
Mahasiswa: Muhimmatul Khoiro 1110100049 Dosen Pembimbing: M. Arief Bustomi, S.Si, M.Si. Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2014 Diagnosa
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 terperinciBAB III ANALISIS DAN PERANCANGAN
32 BAB III ANALISIS DAN PERANCANGAN Pada bab ini akan dibahas tentang analisis sistem melalui pendekatan secara terstruktur dan perancangan yang akan dibangun dengan tujuan menghasilkan model atau representasi
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Tahapan yang dilakukan dalam penelitian ini disajikan pada Gambar 14, terdiri dari tahap identifikasi masalah, pengumpulan dan praproses data, pemodelan
Lebih terperinciJaringan Syaraf Tiruan Menggunakan Algoritma Backpropagation Untuk Memprediksi Jumlah Pengangguran (Studi Kasus DiKota Padang)
Jaringan Syaraf Tiruan Menggunakan Algoritma Backpropagation Untuk Memprediksi Jumlah Pengangguran (Studi Kasus DiKota Padang) Hadi Syahputra Universitas Putra Indonesia YPTK Padang E-mail: hadisyahputra@upiyptk.ac.id
Lebih terperinciPrediksi Curah Hujan Di Kota Pontianak Menggunakan Parameter Cuaca Sebagai Prediktor Pada Skala Bulanan, Dasarian Dan Harian Asri Rachmawati 1)*
Prediksi Curah Hujan Di Kota Pontianak Menggunakan Parameter Cuaca Sebagai Prediktor Pada Skala Bulanan, Dasarian Dan Harian Asri Rachmawati 1)* 1)Stasiun Meteorologi Supadio Pontianak Badan Meteorologi
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1. Pengujian Perangkat Lunak Dalam mengetahui perangkat lunak yang dibuat bisa sesuai dengan metode yang dipakai maka dilakukan pengujian terhadap masin-masing komponen perangkat.
Lebih terperinciPREDIKSI 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 terperinciAplikasi yang dibuat adalah aplikasi untuk menghitung. prediksi jumlah dalam hal ini diambil studi kasus data balita
BAB III ANALISA DAN PERANCANGAN SISTEM 3.1. Analisa dan Kebutuhan Sistem Analisa sistem merupakan penjabaran deskripsi dari sistem yang akan dibangun kali ini. Sistem berfungsi untuk membantu menganalisis
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 terperinci4.1. Pengumpulan data Gambar 4.1. Contoh Peng b untuk Mean imputation
4.1. Pengumpulan data Data trafik jaringan yang diunduh dari http://www.cacti.mipa.uns.ac.id:90 dapat diklasifikasikan berdasar download rata-rata, download maksimum, download minimum, upload rata-rata,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Variabel Penelitian Penelitian ini menggunakan satu definisi variabel operasional yaitu ratarata temperatur bumi periode tahun 1880 sampai dengan tahun 2012. 3.2 Jenis dan
Lebih terperinciBAB III. METODOLOGI. kegiatan manusia membuat penelitian dengan domain teknik informatika
BAB III. METODOLOGI 3.1. Kerangka Pikir Teknik informatika yang memiliki andil yang cukup besar dalam berbagai kegiatan manusia membuat penelitian dengan domain teknik informatika merupakan hal yang menarik
Lebih terperinciPerancangan Sistem Prediktor Daya Pada Panel Photovoltaic di Buoy Weather Station
JURNAL TEKNIK POMITS Vol. 2, No. 2, (2013) ISSN: 2337-3539 (2301-9271 Print) A-451 Perancangan Sistem Prediktor Daya Pada Panel Photovoltaic di Buoy Weather Station Aini Prisilia Susanti dan Aulia Siti
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 terperinciAPLIKASI JARINGAN SARAF TIRUAN UNTUK INVENTARISASI LUAS SUMBER DAYA ALAM STUDI KASUS PULAU PARI
APLIKASI JARINGAN SARAF TIRUAN UNTUK INVENTARISASI LUAS SUMBER DAYA ALAM STUDI KASUS PULAU PARI Putri Khatami Rizki 1), Muchlisin Arief 2), Priadhana Edi Kresnha 3) 1), 2), 3) Teknik Informatika Fakultas
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. perangkat. Alat dan bahan yang digunakan sebelum pengujian:
BAB IV HASIL DAN PEMBAHASAN 4.1 Pengujian Perangkat Lunak Dalam mengetahui perangkat lunak yang dibuat bisa sesuai dengan metode yang dipakai maka dilakukan pengujian terhadap masing-masing komponen perangkat.
Lebih terperinciBAB 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.6. Jaringan Syaraf Tiruan Jaringan syaraf tiruan atau neural network merupakan suatu sistem informasi yang mempunyai cara kerja dan karakteristik menyerupai jaringan syaraf pada
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. Pelaksanaan penelitian ini, memerlukan banyak hal yang harus
BAB III METODOLOGI PENELITIAN III.1 Diagram Alur (Flowchart) Pelaksanaan penelitian ini, memerlukan banyak hal yang harus diperhatikan sebagai persiapan dalam melakukan penelitian. Tujuannya agar memperkecil
Lebih terperinciBAB 3. METODE PENELITIAN
BAB 3 METODE PENELITIAN 31 Pemilihan Parameter Masukan JST Data pengujian kualitas surfaktan-mesa yang dimiliki SBRC IPB (009) terdiri atas tegangan permukaan, IFT, densitas, viskositas, ph, dan kandungan
Lebih terperinciIDENTIFIKASI VARIETAS UNGGUL BENIH KEDELAI BERDASARKAN WARNA DENGAN JARINGAN SARAF TIRUAN
IDENTIFIKASI VARIETAS UNGGUL BENIH KEDELAI BERDASARKAN WARNA DENGAN JARINGAN SARAF TIRUAN Galih Probo Kusuma, Dr Melania Suweni Muntini, MT Jurusan Fisika Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih 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 III METODE EGARCH, JARINGAN SYARAF TIRUAN DAN NEURO-EGARCH
BAB III METODE EGARCH, JARINGAN SYARAF TIRUAN DAN NEURO-EGARCH 3.1 Variabel Penelitian Penelitian ini menggunakan satu definisi variabel operasional yaitu data saham Astra Internasional Tbk tanggal 2 Januari
Lebih terperinciPemodelan dan Pemetaan Potensi Energi Angin Menggunakan Jaringan Syaraf Tiruan (JST) di Bendungan Karangkates Kabupaten Malang
Pemodelan dan Pemetaan Potensi Energi Angin Menggunakan Jaringan Syaraf Tiruan (JST) di Bendungan Karangkates Kabupaten Malang O L E H : A H M A D Z A K I Z A K A R I A ( 2 4 0 6 1 0 0 0 5 7 ) Pembimbing
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. Koefisien Maksimum Energi Maksimum Jarak Gelombang R - R
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Database Sinyal EKG Ekstraksi Ciri Sinyal Jantung (Wibowo, 2016) Keluaran : Koefisien Maksimum Energi Maksimum Jarak Gelombang R -
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK
IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK Fany Hermawan Teknik Informatika Universitas Komputer Indonesia Jl. Dipatiukur 112-114 Bandung E-mail : evan.hawan@gmail.com
Lebih terperinci1. Pendahuluan 1.1 Latar belakang masalah
1. Pendahuluan 1.1 Latar belakang masalah Emas adalah unsur kimia dalam tabel periodik yang memiliki simbol Au (bahasa Latin: 'aurum') dan nomor atom 79. Emas digunakan sebagai standar keuangan di banyak
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 terperinciJARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI CURAH HUJAN SUMATERA UTARA DENGAN METODE BACK PROPAGATION (STUDI KASUS : BMKG MEDAN)
JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI CURAH HUJAN SUMATERA UTARA DENGAN METODE BACK PROPAGATION (STUDI KASUS : BMKG MEDAN) Marihot TP. Manalu Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma
Lebih terperinciBAB III METODOLOGI PENELITIAN
38 BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Studi Literatur: Peramalan, Curah Hujan, Knowledge Discovery in Database, Jaringan Saraf Tiruan, Backpropagation, Optimalisasasi Backpropagation Pengumpulan
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 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 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Jaringan Syaraf Biologi Jaringan Syaraf Tiruan merupakan suatu representasi buatan dari otak manusia yang dibuat agar dapat mensimulasikan apa yang dipejalari melalui proses pembelajaran
Lebih terperinciBAB IV PENGUJIAN DAN ANALISA DATA
4.1 Training JST BAB IV PENGUJIAN DAN ANALISA DATA Dalam penelitian ini menggunakan metode penentuan bobot pada training jaringan syaraf tiruan yaitu Levenberg Marquad dengan struktur JST menggunakan MLP
Lebih terperinciBAB VIIB BACKPROPAGATION dan CONTOH
BAB VIIB BACKPROPAGATION dan CONTOH 7B. Standar Backpropagation (BP) Backpropagation (BP) merupakan JST multi-layer. Penemuannya mengatasi kelemahan JST dengan layer tunggal yang mengakibatkan perkembangan
Lebih terperinciBAB III METODE PENELITIAN
3.1. Kerangka Pemikiran BAB III METODE PENELITIAN Permasalahan yang akan dijawab atau tujuan yang ingin dicapai pada penelitian ini adalah untuk melakukan prakiraan beban listrik jangka pendek atau untuk
Lebih terperinciBAB IV. RANCANG BANGUN MODEL PENELITIAN
BAB IV. RANCANG BANGUN MODEL PENELITIAN Bab ini membahas rancang bangun model dari sistem penunjang keputusan cerdas untuk sistem rantai pasokan beras di provinsi DKI Jakarta. Rancang bangun model dari
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 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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1.1 Latar Belakang BAB I PENDAHULUAN Dewasa ini penciptaan video game tidak hanya ditujukan untuk media hiburan saja melainkan juga diperuntukan sebagai media pendidikan bagi berbagai kalangan khususnya
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 terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB 1 PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Menurut Intergovernmental Panel on Climate Change (IPCC,2001), konsentrasi gas-gas rumah kaca, khususnya CO2, CH4, dan N2O dalam dua abad terakhir
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 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 terperinciPRISMA FISIKA, Vol. I, No. 1 (2013), Hal ISSN :
Prediksi Tinggi Signifikan Gelombang Laut Di Sebagian Wilayah Perairan Indonesia Menggunakan Jaringan Syaraf Tiruan Metode Propagasi Balik Abraham Isahk Bekalani, Yudha Arman, Muhammad Ishak Jumarang Program
Lebih terperinciPERANCANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK SELEKSI PENERIMAAN CALON MAHASISWA BARU DI POLITEKNIK NEGERI SAMARINDA
Nyura, dkk, Perancangan Sistem Pendukung Keputusan Untuk Seleksi Penerimaan Calon Mahasiswa Baru Di Politeknik Negeri Samarinda PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK SELEKSI PENERIMAAN CALON MAHASISWA
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 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 terperinciAplikasi Jaringan Syaraf Tiruan Untuk Penentuan Status Gizi Balita Dan Rekomendasi Menu Makanan Yang Dibutuhkan
119 Aplikasi Jaringan Syaraf Tiruan Untuk Penentuan Status Gizi Balita Dan Rekomendasi Menu Makanan Yang Dibutuhkan Fitri, Onny Setyawati, dan Didik Rahadi S Abstrak -Status gizi balita dapat ditentukan
Lebih terperinciIdentifikasi Unsur-Unsur Berdasarkan Spektrum Emisi Menggunakan Jaringan Syaraf Tiruan
Jurnal Sains & Matematika (JSM) ISSN 0854-0675 Volume 15, Nomor 1, Januari 2007 Artikel Penelitian: 9-14 Identifikasi Unsur-Unsur Berdasarkan Spektrum Emisi Menggunakan Jaringan Syaraf Tiruan Eko Prasetyo
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 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 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 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 terperinciBAB 3 PERANCANGAN SISTEM. Bab ini menguraikan analisa penelitian terhadap metode Backpropagation yang
BAB 3 PERANCANGAN SISTEM Bab ini menguraikan analisa penelitian terhadap metode Backpropagation yang diimplementasikan sebagai model estimasi harga saham. Analisis yang dilakukan adalah menguraikan penjelasan
Lebih terperinciBAB III METODE PENELITIAN. Data-data historis beban harian yang akan diambil sebagai evaluasi yaitu
BAB III METODE PENELITIAN 3.1 Pengumpulan Data Beban Listrik dari PLN Data-data historis beban harian yang akan diambil sebagai evaluasi yaitu selama lima tahun pada periode 2006-2010, selanjutnya data
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 terperinciIV HASIL DAN PEMBAHASAN
tersembunyi berkisar dari sampai dengan 4 neuron. 5. Pemilihan laju pembelajaran dan momentum Pemilihan laju pembelajaran dan momentum mempunyai peranan yang penting untuk struktur jaringan yang akan dibangun.
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN A. Kerangka Pemikiran Penelitian difokuskan pada gula kristal putih untuk jenis SHS (Superieure Hoofd Suiker) yang berbahan baku tanaman tebu dan klasifikasi kualitas mengacu
Lebih terperinciPrediksi Laju Korosi pada Instalasi Pipa Logam Aliran Fluida Cair Menggunakan Jaringan Saraf Tiruan(JST)
JURNAL TEKNIK POMITS Vol., No., (1) ISSN: 7-59 (1-971 Print) B- Prediksi Laju Korosi pada Instalasi Pipa Logam Aliran Fluida Cair Menggunakan Jaringan Saraf Tiruan(JST) Bangkit Dwijo Saputro, Zulkifli,
Lebih terperinciBAB III METODELOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: a. Prosesor : Intel Core i5-6198du (4 CPUs), ~2.
BAB III METODELOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: 1. Hardware a. Prosesor : Intel Core i5-6198du CPU @2.30GHz (4 CPUs), ~2.40GHz b.
Lebih terperinciPERANCANGAN SISTEM PENGENDALIAN LEVEL DENGAN JARINGAN SYARAF TIRUAN PADA STEAM DRUM BOILER 1102 DI PT. PETROKIMIA GRESIK
PERANCANGAN SISTEM PENGENDALIAN LEVEL DENGAN JARINGAN SYARAF TIRUAN PADA STEAM DRUM BOILER 1102 DI PT. PETROKIMIA GRESIK (Sofidul Aris, Ya umar) Jurusan Teknik Fisika Fakultas Teknologi Industri Institut
Lebih terperinciPERBANDINGAN AKURASI ALGORITME PELATIHAN DALAM JARINGAN SYARAF TIRUAN UNTUK PERAMALAN JUMLAH PENGGUNA KERETA API DI PULAU JAWA
PERBANDINGAN AKURASI ALGORITME PELATIHAN DALAM JARINGAN SYARAF TIRUAN UNTUK PERAMALAN JUMLAH PENGGUNA KERETA API DI PULAU JAWA Budho Setyonugroho 1), Adhistya Erna Permanasari 2), Sri Suning Kusumawardani
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 terperinciBAB IV PERANCANGAN & IMPLEMENTASI SISTEM
17 BAB IV PERANCANGAN & IMPLEMENTASI SISTEM 4.1 Desain. yang digunakan adalah jaringan recurrent tipe Elman dengan 2 lapisan tersembunyi. Masukan terdiri dari data : wind, SOI, SST dan OLR dan target adalah
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 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 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 terperinciPERAMALAN BEBAN LISTRIK MENGGUNAK AN JARINGAN SARAF TIRUAN METODE KOHONEN ABSTRAK
PERAMALAN BEBAN LISTRIK MENGGUNAK AN JARINGAN SARAF TIRUAN METODE KOHONEN Galang Jiwo Syeto, Arna Fariza, S.Kom, M.Kom, Setiawardhana, S.T Program DIV Jurusan Teknik Informatika Politeknik Elektronika
Lebih terperinciANALISA DAN PENGENALAN SUARA JANTUNG MENGGUNAKAN WAVELET DAN JST DALAM MENGKLASIFIKASIKAN JENIS KELAINAN KATUP JANTUNG PADA MANUSIA
ANALISA DAN PENGENALAN SUARA JANTUNG MENGGUNAKAN WAVELET DAN JST DALAM MENGKLASIFIKASIKAN JENIS KELAINAN KATUP JANTUNG PADA MANUSIA Sidang Tesis S2 Teknik Sistem Pengaturan FTI-ITS Surabaya EDY SETIAWAN
Lebih terperinciBAB IV PERANCANGAN DAN IMPLEMENTASI PERANGKAT LUNAK
BAB IV PERANCANGAN DAN IMPLEMENTASI PERANGKAT LUNAK Bab ini menjelaskan perancangan dan implementasi yang dilakukan. Tahap pertama dimulai dengan merancang beberapa classifier yaitu jaringan saraf tiruan
Lebih terperinciPenerapan JST (Backpropagation) untuk Prediksi Curah Hujan (Studi Kasus : Kota Pekanbaru)
Penerapan JST (Backpropagation) untuk Prediksi Curah Hujan (Studi Kasus : Kota Pekanbaru) Lestari Handayani 1, Muhammad Adri 2 1,2 Teknik Informatika, Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim
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 terperinci