Sistem Pendukung Keputusan Penerima Beasiswa SMK Menggunakan Metode Backpropagation
|
|
- Agus Indradjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Seminar Nasional e 9: Reayasa Tenologi Industri dan Informasi Sistem Penduung Keputusan Penerima Beasiswa SMK Menggunaan Metode Bacpropagation Teti Rohaeti 1, Yoyon Kusnendar Suprapto 2, Eo Mulyanto 3 Jurusan Teni Eletro ITS, Surabaya 1,2,3 teti13@mhs.ee.its.ac.id 1 Abstra Proses selesi beasiswa di SMK selama ini dilauan secara manual belum melibatan emauan di bidang tenologi sehingga urang tepat sasaran dimana siswa yg seharusnya mendapatan beasiswa tetapi tida mendapatan beasiswa dan sebalinya siswa yang seharusnya tida mendapatan beasiswa tetapi mendapatan beasiswa. Hal ini mengaibatan banya peserta didi yang terancam putus seolah. Untu itu diperluan Sistem Penduung Keputusan (SPK) dalam pemberian beasiswa untu meningatan tingat etepatan predisi dalam distribusi beasiswa. Penelitian ini aan membuat lasifiasi peserta didi penerima beasiswa dengan menggunaan metode Bacpropagation. Hasil lasifiasi digunaan untu membuat Sistem Penduung Keputusan (SPK) dalam pemberian beasiswa yang tuuannya untu meningatan tingat etepatan predisi dalam distribusi beasiswa yang mengacu pada Petunu Tenis yang telah ditetapan oleh Diretorat Pembinaan Seolah Menengah Keuruan (SMK). Hasil yang diperoleh menunuan bahwa penguian tingat aurasi predisi memaai data testing yang dihasilan aringan dengan model yang sudah terlatih adalah sebesar 99,00083%. Kata Kunci: Artificial Neural Networ, Bacpropagation, Beasiswa BSM, SPK. 1. Pendahuluan Program Bantuan Siswa Misin (BSM) ini merupaan buti omitmen dan eberpihaan Pemerintah untu memberian esempatan epada peserta didi dari eluarga yang urang mampu untu mengiuti pendidian dan terhindar dari putus seolah. Permasalahan yang sering muncul ialah urang tepatnya distribusi beasiswa. Peserta didi yang seharusnya berha mendapatan beasiswa namun tida mendapatan beasiswa dan sebalinya peserta didi yang seharusnya tida berha mendapatan beasiswa namun mendapatan beasiswa. Salah satu fator penyebab urang tepatnya distribusi beasiswa adalah proses selesi beasiswa yang dilauan secara manual belum menghasilan informasi yang tepat. Hal ini berdampa pada tingginya tingat putus seolah, menurut Pusat Data dan Statisti Pendidian (PDSP, Kemdibud) tahun 2010 menunuan bahwa ribu siswa SMA/SMK/MA putus seolah. Dari penelitian sebelumnya dielesan solusi untu mengatasi permasalahan urang tepatnya pendistribusian beasiswa, salahsatunya penelitian yang dilauan oleh Dalu Nuzlul Kirom, Yusuf Bilfaqih, Rusdhianto Effendie pada tahun 2012 dengan udul Sistem Informasi Manaemen Beasiswa ITS Berbasis Sistem Penduung Keputusan Menggunaan Analytical Hierarchy Process dan penelitian yang dilauan oleh Ani Andriani pada tahun 2013 dengan udul Sitem Penduung Keputusan Berbasis Decision Tree Dalam Pemberian Beasiswa Studi Kasus: AMIK BSI Yogyaarta Namun demiian Sistem Penduung Keputusan yang dilauan dalam penelitian sebelumnya diterapan di perguruan tinggi. Pembuatan Sistem Penduung Keputusan yang di bahas dalam penelitian ini diterapan di SMK dimana riteria penerima beasiswa sudah ditentuan, mengacu pada Petunu Tenis yang telah ditetapan oleh Diretorat Pembinaan Seolah Menengah Keuruan (SMK). Artificial Neural Networ (ANN) atau Jaringan Syaraf Tiruan (JST) adalah salah satu metode yang sudah banya diembangan untu pendugaan. Metode ini uga dapat dipaai untu meramalan berdasaran pola eadian yang ada di masa lampau. Ini dapat dilauan mengingat emampuan aringan syaraf tiruan untu mengingat dan membuat generalisasi dari apa yang sudah ada sebelumnya. Salah satu metode yang dapat digunaan untu memperbaii bobot adalah metode bacpropagation. Metode ini umum digunaan untu diapliasian pada penyelesaian suatu masalah beraitan dengan identifiasi, predisi, pengenalan pola dan sebagainya. Pada latihan yang berulang ulang, algoritma ini aan menghasilan unu era yang lebih bai. Hal ini berarti bahwa bobot interonesi JST semain mendeati bobot yang seharusnya. Kelebihan lain yang dimilii JST ini adalah emampuannya untu belaar Seolah Tinggi Tenologi Nasional (STTNAS) Yogyaarta 117
2 Seminar Nasional e 9: Reayasa Tenologi Industri dan Informasi (bersifat adaptif) dan ebal terhadap adanya esalahan (Fault Tolerance) dengan elebihan tersebut JST dapat mewuudan sistem yang tahan aan erusaan (robust) dan onsisten beera dengan bai. Dengan arateristi yang dimilii tersebut diharapan bisa mencapai tuuan yang diharapan yaitu membuat Sistem Penduung Keputusan (SPK) menggunaan metode Bacpropagation yang mampu meningatan tingat etepatan predisi dalam distribusi beasiswa dengan mengacu pada Petunu Tenis yang telah ditetapan oleh Diretorat Pembinaan Seolah Menengah Keuruan (SMK). Dalam penelitian ini, digunaan sistem pembahasan sebagai beriut, pendahuluan, menelasan tentang latar belaang permasalahan, perumusan masalah, tuuan. Metode aan diuraian metode atau pendeatan yang aan digunaan dalam menawab permasalahan penelitian untu mencapai tuuan penelitian. Hasil dan pembahasan, aan menguraian hasil daripada penelitian yang dilauan beserta pembahasannya. Kesimpulan dan saran merupaan esimpulan yang didapatan dari penelitian yang telah dilauan dan saran untu pengembangan daripada penelitian. 2. Metode Penelitian esperimen menggunaan data dalam penelitiannya dan menghasilan esimpulan yang mampu dibutian oleh pengamatan atau percobaan. Penelitian ini termasu penelitian esperimen dengan menggunaan data siswa di SMK Kota Palanga Raya seumlah 256 data yang dibagi menadi data training dan data testing dengan perbandingan 70% dan 30%, sehingga diperoleh 177 data training dan 76 data testing. Data training digunaan untu memperoleh hasil lasifiasi siswa penerima beasiswa dalam bentu Bacpropagation, sedangan data testing digunaan untu menguur tingat aurasi dari hasil lasifiasi tersebut Metodologi Penelitian Metoda penelitian yang diuraian pada bab ini merupaan acuan dalam melauan penelitian melalui urutan langah pelasanaan penelitian. 1. Data Calon Penerima Beasiswa Data yang di ambil merupaan data peserta didi SMK di Kota Palangaraya Kalimantan Tengah tahun 2013/2014 yang ada di Dinas Pendidian Kota Palanga Raya, yang nantinya di bagi menadi dua yaitu data training sebesar 70% dan data testing sebesar 30%. Data Calon Penerima Beasiswa Penentuan Kriteria Penerima Beasiswa Klasifiasi Penerima Beasiswa menggunaan metode Bacpropagasi Evaluasi & Validasi Membuat Sistem Penduung Keputusan (SPK) Penguian Sistem OUTPUT Data training sebesar 70% Data testing sebesar 30% Kartu Tanda Pendudu Kartu Keluarga Kelas Program Keluarga Harapan Kartu Perlindungan Sosial Surat Keterangan Tida Mampu Surat Keterangan Panti Asuhan Reening Listri Ranging Kelas Inisialisasi Bobot Umpan Mau (Feed Forward) Umpan Mundur (Bacpropagation) Kondisi Stopping Bantuan Siswa Misin Tida Mendapatan Gambar 1. Metodologi Penelitian 2. Kriteria Penerima Beasiswa Kriteria beasiswa beasiswa ada sembilan hal yaitu artu tanda pendudu (KTP), artu eluarga (KK), elas, program eluarga harapan (KPH), artu perlindungan social (KPS), surat eterangan tida mampu (SKTM), surat eterangan panti asuhan, Seolah Tinggi Tenologi Nasional (STTNAS) Yogyaarta 118
3 Seminar Nasional e 9: Reayasa Tenologi Industri dan Informasi reening listri dan renging elas. Mengacu pada Petunu Tenis yang telah ditetapan oleh Diretorat Pembinaan Seolah Menengah Keuruan (SMK) mengenai perbandingan bobot esembilan riteria untu beasiswa BSM, diperlihatan oleh Tabel 1. Dibawah ini : Tabel 1. Bobot Kriteria Beasiswa BSM Kriteria Keterangan Bobot KTP Ada 1 Tida 0 KK Ada 1 Tida 0 Kelas PKH Ada 2 Tida 0 KPS Ada 4 Tida 0 SKTM Ada 4 Tida 0 Panti Asuhan Ada 0 Tida 4 Reening Listri Ranging Kelas s/d 450 va va va va 1 Tida ada > Klasifiasi Penerima Beasiswa menggunaan Metode Bacpropagasi a. Inisialisasi Bobot Inisialisasi bobot secara random (diberi nilai ecil secara aca) diambil 0. b. Umpan mau (Feed Forwared) Umpan mau digunaan sebagai algoritma untu menghitung nilai ativasi yang ada pada semua neuron bai yang ada di lapis tersembunyi atau hidden layer ataupun lapis eluaran atau output layer. Fungsi ativasi yang di paai adalah fungsi signoid. Fungsi sigmoid merupaan salah satu dari seian fungsi ativasi yang sering digunaan pada aringan saraf tiruan. Fungsi sigmoid merupaan fungsi ativasi yang menggunaan metode Bacpropagation. Fungsi ini memilii interval output 0 sampai 1. c. Umpan Mundur (Bacpropagation) Bacpropagation merupaan sebuah algoritma yang berfungsi untu melauan perhitungan bali dari neuron eluaran agar memilii nilai bobot yang sesuai dalam aringan neural networ. Dengan omputasi bali ini nilai error atau esalahan bisa diurangi dengan cuup bai. d. Kondisi Stopping Terdapat dua ondisi stopping pada algoritma Bacpropagation. Kedua ondisi stopping digunaan dengan logia OR. Jadi ondisi stopping aan teradi ia besarnya error yang teradi telah bernilai lebih ecil dari nilai error masimum yang telah ditetapan atau ia besarnya epoch lebih besar dari besarnya epoch masimum yang telah ditetapan. e. Evaluasi dan Validasi f. Membuat Sistem Penduung Keputusan SPK g. Pengguian sistem dilauan menggunaan data testing sebesar 30%. h. Output Output atau eluran yang dihasilan yaitu mendapatan Bantuan Siswa Misin (BSM) dan Tida Mendapatan Beasiswa 2.2. Bacpropagation Algoritma pelatihan Bacpropagation dapat dielasan rinciannya sebagai beriut : Langah 0: Pemberian inisialisasi penimbang (diberi nilai ecil secara aca) Langah 1: Ulangi langah 2 hingga 9 sampai ondisi ahir iterasi dipenuhi. Langah 2: Untu masing-masing pasangan data pelatihan (training data) lauan langah 3 hingga 8 Umpan mau feed forward Langah 3: Masing-masing unit masuan (Xi, i = 1,.,n) menerima sinyal masuan Xi dan sinyal tersebut disebaran e unit-unit bagian beriutnya (unit-unit lapis tersembunyi) Langah 4: Masing-masing unit dilapis tersembunyi dialian dengan penimbang dan diumlahan serta ditambah dengan biasnya. Z _ in Vo n i 1 XiVi (1) Kemudian dihitung sesuai dengan fungsi pengatif yang digunaan: Z f Z _ in ) ( (2) bila yang digunaan adalah fungsi sigmoid maa bentu fungsi tersebut adalah: 1 Z 1 exp z _ in (3) Seolah Tinggi Tenologi Nasional (STTNAS) Yogyaarta 119
4 Seminar Nasional e 9: Reayasa Tenologi Industri dan Informasi Langah 5: Masing-masing unit eluaran (Y, = 1, 2, 3 m) dialian dengan penimbang dan diumlahan serta ditambah dengan biasnya: Y _ in W o p 1 Z W (4) Kemudian dihitung embali sesuai dengan fungsi pengatif Y F( y _ in ) (5) Bacpropagasi (Bacpropagation) dan Galatnya Langah 6: Masing-masing unit eluaran (Y, = 1,.m) menerima pola target sesuai dengan pola masuan saat pelatihan atau training dan dihitung galatnya: Selanutnya dialiaan dengan turunannya dan fungsi pengatifnya untu menghitung galat. _ in f ( y_ in ) (11) Langah beriutnya menghitung perbaian penimbang (digunaan untu memperbaii Vi). V X i i (12) Kemudian menghitung perbaian bias (untu V i memperbaii ) Memperbaii Penimbang Langah 8 Masing-masing eluaran unit (Y, K = 1,.,m) diperbaii bias dan penimbangnya ( = 0,. n), W(baru) = W(lama) + 4W (13) ( t y ) f ( y in ) (6) Masing-masing unit tersembunyi (Zi, K = 1,..,p) diperbaii bias dan penimbangnya (= 0,., n), f ( y in ) Karena signoid, maa: f ( y in) f ( y in)( 1 ff( y in))) y1( y) W menggunaan fungsi (7) Menghitung perbaian penimbang ( emudian untu memperbaii W ) W Z Menghitung perbaiaan oresi: o (8) (9) d dan menggunaan nilai delta ( ) pada semua unit lapis sebelumnya. Langah 7 Masing-masing penimbang yang menghubungan unit-unit lapis eluaran dengan unit-unit lapis tersembunyi (Z, = 1..,p) d dialian delta ( ) dan diumlahan sebagai masuan e unit-unit lapis beriutnya. V(baru) = V(lama) + 4V (14) Langah 9 Ui Kondisi pemberhentian atau stopping (ahir iterasi) 2.3. Implementasi Bacpropagation Pelatihan Pelatihan aringan dilauan dengan menggunaan Matlab Tools. Inisiasi model aringan yang digunaan adalah sebagai beriut : 1. Jaringan terdiri dari 3 layer yaitu input, hidden dan output. 2. Variabel/parameter yang digunaan sebagai pembentu aringan antara lain umlah epoch atau iterasi masimal : 1000 iterasi 3. Selanutnya hasil latihan aan disimpan dan diuur aurasinya dengan dibandingan dengan target seharusnya. 4. Selanutnya aringan yang sudah dilauan pelatihan/learning model tersebut disimpan untu dapat dilauan testing terhadap dataset testing. Hasil testing ini uga aan diuur aurasinya, dibandingan dengan target data testing yang seharusnya 6. Simulasi learning yang dilauan dapat terlihat pada gambar simulasi beriut : m 1 _ in W (10) Seolah Tinggi Tenologi Nasional (STTNAS) Yogyaarta 120
5 Seminar Nasional e 9: Reayasa Tenologi Industri dan Informasi 4. Beriut adalah grafi regresi antara target dengan data inputan, menunuan bahwa secara umum setelah dilauan training, data output dari atributatribut preditor yang dimasuan mendeati atau FIT target : Gambar 2. Simulasi Learning 4. Hasil dan Pembahasan 4.1. Evaluasi Model Dari model yang digunaan diatas diperoleh esimpulan sebagai beriut : 1. Tingat aurasi predisi memaai data testing yang dihasilan aringan dengan model yang sudah terlatih adalah sebesar 99,00083%. 2. Dari 1000 epoch yang dilauan, performance terbai aringan (nilai error main mendeati nol) adalah pada anga error : 0, pada epoch e Beriut adalah gambaran grafi training state yang dihasilan oleh aringan dari parameter yang dimasuan, menunuan eragaman perubahan nilai parameter (gradient) didalam penghitungan error : Gambar 3. Grafi training state Gambar 4. Grafi Regresi Seolah Tinggi Tenologi Nasional (STTNAS) Yogyaarta 121
6 Seminar Nasional e 9: Reayasa Tenologi Industri dan Informasi 4.2. Pembangunan Sistem Pembangunan sistem penduung eputusan pemberian beasiswa menggunaan Matlab dengan menerapan hasil lasifiasi dengan bacpropagation, hasilnya sebagai beriut: aringan dengan model yang sudah terlatih adalah sebesar 99,00083%. 3. Penerapan Sistem Penduung Keputusan (SPK) menggunaan metode Bacpropagation mampu meningatan tingat etepatan predisi dalam distribusi beasiswa dengan mengacu pada Petunu Tenis yang telah ditetapan oleh Diretorat Pembinaan Seolah Menengah Keuruan (SMK). Beberapa saran yang dapat diadian pertimbangan untu penelitian selanutnya yaitu menambahan output beasiswa, selain beasiswa BSM seperti beasiswa berprestasi atau beasiswa yang lainnya. Ucapan Terima Kasih Penulis menyampaian ucapan terima asih yang sebesar-besarnya epada Dr. Ir. Yoyon K. Suprapto M.Sc. dan Dr. Eo Mulyanto Yuniarno, ST., MT. selau pembimbing. Rean-rean dari Telematia CIO 2013 yang banya memberian bantuan iut berperan dalam memperlancar penelitian dan penulisan paper ini. Ucapan terima asih secara husus penulis sampaian epada suami tercinta Mohamad Ridwan yang telah memberian duungan moral dan material. Daftar Pustaa Ani Andriani Sistem Penduung Keputusan Berbasis Decision Tree Dalam Pemberian Beasiswa. ISSN: Dalu Nuzlul Kirom, Yusuf Bilfaqih, Rusdhianto Effendie Sistem Informasi Manaemen Beasiswa ITS Berbasis Sistem Penduung Keputusan Menggunaan Analytical Hierarchy Process. JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6. Prasetyo, Eo Data Mining Konsep dan Apliasinya Menggunaan Matlab. Yogyaarta: Andi. Purnomo, Mauridhi Hery; Kurniawan, Agus Supervised Neurol Networ dan Apliasinya,. Yogyaarta: Graha Ilmu. Widodo, Prabowo Pudo d Penerapan Data Mining dengan Matlab. Bandung: Reayasa Sains Gambar 3. Form SPK Penerima Beasiswa 4. Kesimpulan Dari hasil dan pembahasan dapat diambil beberapa esimpulan sebagai beriut: 1. Metode Bacpropagation dapat digunaan dalam membuat lasifiasi sebagai dasar dalam pembangunan sistem penduung eputusan pemberian beasiswa. 2. Evaluasi hasil lasifiasi penerima beasiswa dengan metode Bacpropagation menghasilan tingat aurasi predisi memaai data testing yang dihasilan Seolah Tinggi Tenologi Nasional (STTNAS) Yogyaarta 122
Analisa Drop Tegangan dan Susut Daya pada Jaringan Listrik Penyulang Renon Menggunakan Metode Artificial Neural Network
Analisa Drop Tegangan dan Susut Daya pada Jaringan Listri Penyulang Renon Menggunaan Metode Artificial Neural Networ I Gede Dyana Arana Jurusan Teni Eletro Faultas Teni, Universitas Udayana Denpasar, Bali,
Lebih terperinciBAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK
BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama
Lebih terperinciANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS
Jurnal Teni dan Ilmu Komputer ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS AN ANALYSIS OF THE VARIATION PARAMETERS OF THE ARTIFICIAL NEURAL NETWORK
Lebih terperinciPENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN
PENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN Amethis Otaorora 1, Bilqis Amaliah 2, Ahmad Saihu 3 Teni Informatia, Faultas Tenologi
Lebih terperinciPREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION
Konferensi Nasional Sistem dan Informatia 2008; Bali, November 5, 2008 PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION Wahyudi Setiawan
Lebih terperinciPENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Wahyudi, Sorihi, dan Iwan Setiawan. Jurusan Teni Eletro Faultas Teni Universitas Diponegoro Semarang e-mail : wahyuditinom@yahoo.com.
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1 Keranga Pemiiran Pemerintah ahir-ahir ini sering dihadapan pada masalah persediaan pupu bersubsidi yang daya serapnya rendah dan asus elangaan di berbagai loasi di Indonesia.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belaang Di aman searang sebuah adal yang tersusun rapi merupaan ebutuhan bagi setiap individu. Namun masalah penyusunan sebuah adal merupaan sebuah masalah umum yang teradi,
Lebih terperinciSistem Informasi Peramalan Beban Listrik Jangka Panjang di Kabupaten Jember Menggunakan JST Backpropagation
1 Sistem Informasi Peramalan Beban Listri Janga Panang di Kabupaten Jember Menggunaan JST Bacpropagation Dodi Setiabudi Abstra Kebutuhan energi listri sebagai salah satu infrastrutur penting sangat diutamaan.
Lebih terperinciISSN: TEKNOMATIKA Vol.1, No.2, JANUARI
ISSN: 1979-7656 TEKNOMATIKA Vol.1, No.2, JANUARI 2009 25 PERANCANGAN DAN IMPLEMENTASI JARINGAN SYARAF TIRUAN UNTUK MENDIAGNOSA JENIS PENYAKIT KANDUNGAN Bambang Yuwono Jurusan Teni Informatia UPN Veteran
Lebih terperinciSistem Peramalan Jumlah Produksi Air PDAM Samarinda Menggunakan Jaringan Syaraf Tiruan Backpropagation
Sistem Peramalan Jumlah Produsi Air PDAM Samarinda Menggunaan Jaringan Syaraf Tiruan Bacpropagation Anindita Septiarini 1 dan Nur Sya baniah 2 1 Program Studi Ilmu Komputer FMIPA, Universitas Mulaarman
Lebih terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Program
Lebih terperinciKLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE
KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE Warih Maharani Faultas Teni Informatia, Institut Tenologi Telom Jl. Teleomuniasi No.1 Bandung 40286 Telp. (022) 7564108
Lebih terperinciDany Candra Febrianto ) dan Hindayati Mustafidah )
Penerapan Jaringan Saraf Tiruan dengan Metode Pembelaaran Bacpropagation untu Mengetahui Tingat Kualifiasi Calon Siswa pada Sistem Informasi Penerimaan Siswa Baru di MAN 2 Banarnegara (Application of Artificial
Lebih terperinciNeural Network menyerupai otak manusia dalam dua hal, yaitu:
2.4 Artificial Neural Networ 2.4.1 Konsep dasar Neural Networ Neural Networ (Jaringan Saraf Tiruan) merupaan prosesor yang sangat besar dan memilii ecenderungan untu menyimpan pengetahuan yang bersifat
Lebih terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Departemen
Lebih terperinciANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK PADA SISTEM PENGENALAN WAJAH BERBASIS PRINCIPAL COMPONENT ANALYSIS
ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK PADA SISTEM PENGENALAN WAJAH BERBASIS PRINCIPAL COMPONENT ANALYSIS 1 Ihwannul Kholis, 2 Ahmad Rofii. 1 Universitas 17 Agustus 1945 Jaarta,
Lebih terperinci1. Pendahuluan Jaringan syaraf tiruan ( Artificial Neural Networ ) adalah suatu tenologi omputasi yang berbasis pada model syaraf biologis dan mencoba
JARINGAN SYARAF TIRUAN BACKPROPAGATION SEBAGAI METODE PERAMALAN PADA PERHITUNGAN TINGKAT SUKU BUNGA PINJAMAN DI INDONESIA Nurmalasari Rusmiati 1 Sistem Informasi, Faultas Ilmu Komputer, Universitas Gunadarma
Lebih terperinciJARINGAN SARAF TIRUAN PROPAGASI BALIK UNTUK KLASIFIKASI DATA
JARINGAN SARAF TIRUAN PROPAGASI BALIK UNTUK KLASIFIKASI DATA Giri Dhaneswara 1) dan Veronica S. Moertini 2) Jurusan Ilmu Komputer, Universitas Katoli Parahyangan, Bandung Email: 1) rebirth_82@yahoo.com,
Lebih terperinciModel Pembelajaran Off-Line Menggunakan Jaringan Syaraf Tiruan Untuk Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teknik Elektronika PENS 2009
Model Pembelaaran Off-Line Menggunaan Jaringan Syaraf Tiruan Untu Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teni Eletronia PENS 2009 Arie Setya Wulandari#, Eru Puspita S.T., M.Kom#2 # Jurusan
Lebih terperinciMODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM
MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM 1,2 Faultas MIPA, Universitas Tanjungpura e-mail: csuhery@sisom.untan.ac.id, email: dedi.triyanto@sisom.untan.ac.id Abstract
Lebih terperinciSISTEM PENGENALAN WAJAH DENGAN MENGGUNAKAN BACKPROPAGATION ARTIFICIAL NEURAL NETWORK DAN PRINCIPAL COMPONENT ANALYSIS
Jurnal Teni dan Ilmu Komputer SISTEM PENGENALAN AJAH DENGAN MENGGUNAKAN BACKPROPAGATION ARTIFICIAL NEURAL NETORK DAN PRINCIPAL COMPONENT ANALYSIS FACE RECOGNITION SYSTEM USING BACKPROPAGATION ARTIFICIAL
Lebih terperinciPENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB
PENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB Wirda Ayu Utari Universitas Gunadarma utari.hiaru@gmail.com ABSTRAK Program pengenalan pola ini merupaan program yang dibuat
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MERAMALKAN BEBAN PEMAKAIAN AIR PADA PDAM KOTA BANDUNG
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MERAMALKAN BEBAN PEMAKAIAN AIR PADA PDAM KOTA BANDUNG Oleh : M.Rizi.H.S, Andri Heryandi,S.T, Bambang Siswoyo,Ir,M.Si Jl. Dipati Uur Bandung Teni Informatia Universitas
Lebih terperinciTEKNIK PERAMALAN TINGKAT PENJUALAN DENGAN JARINGAN SYARAF TIRUAN
TENI PERAMALAN TINGAT PENJUALAN DENGAN JARINGAN SYARAF TIRUAN Sri Mulyana Program Studi Ilmu omputer F MIPA UGM Seip Unit III Yogyaarta Telp (0274)546194 e-mail : smulyana@ugm.ac.id Abstra Tingat penualan
Lebih terperinciAPLIKASI JARINGAN SARAF TIRUAN PERAMBATAN BALIK UNTUK PRAKIRAAN VALUTA GBP/USD DALAM FOREX TRADING
APLIKASI JARINGAN SARAF TIRUAN PERAMBATAN BALIK UNTUK PRAKIRAAN VALUTA GBP/USD DALAM FOREX TRADING Hendra William *), Achmad Hidayatno, and Aub Aulian Zahra Jurusan Teni Eletro, Universitas Diponegoro
Lebih terperinciARSITEKTUR DAN ALGORITMA JST UNTUK MENDUKUNG PREDIKSI GANGGUAN GEOMAGNET
Prosiding SNaPP2012 : Sains, Tenologi, dan Kesehatan ISSN 2089-3582 ARSITEKTUR DAN ALGORITMA JST UNTUK MENDUKUNG PREDIKSI GANGGUAN GEOMAGNET 1 John Maspupu 1 Pussainsa LAPAN, Jl Dr Dundunan No 133 Bandung
Lebih terperinciPENDETEKSIAN GERAK TANGAN MANUSIA SEBAGAI INPUT PADA KOMPUTER
PENDETEKSIAN GERAK TANGAN MANUSIA SEBAGAI INPUT PADA KOMPUTER Wiaria Gazali 1 ; Haryono Soeparno 2 1 Jurusan Matematia, Faultas Sains dan Tenologi, Universitas Bina Nusantara Jln. K.H. Syahdan No. 9, Palmerah,
Lebih terperinciPREDIKSI KELULUSAN MAHASISWA DENGAN JARINGAN SYARAF TIRUAN
Ansari Predisi Kelulusan Mahasiswa Dengan Jaringan Syaraf Tiruan PREDIKSI KELULUSAN MAHASISWA DENGAN JARINGAN SYARAF TIRUAN Rudy Ansari STMIK Indonesia Banarmasin e-mail: rudy.ansari@gmail.com ABSTRAK
Lebih terperinciPENGEMBANGAN PERANGKAT LUNAK BERBASIS JARINGAN SYARAF TIRUAN UNTUK PERAMALAN BEBAN LISTRIK JANGKA PENDEK (STUDI KASUS DI PT.PLN AREA DISTRIBUSI JABAR)
PENGEMBANGAN PERANGKAT LUNAK BERBASIS JARINGAN SYARAF TIRUAN UNTUK PERAMALAN BEBAN LISTRIK JANGKA PENDEK (STUDI KASUS DI PT.PLN AREA DISTRIBUSI JABAR) Oleh: ¹ HERLY MARDANI (000298) ² BAMBANG SISWOYO,
Lebih terperinciAPLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID
APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID Ferry Tan, Giovani Gracianti, Susanti, Steven, Samuel Luas Jurusan Teni Informatia, Faultas
Lebih terperinciPrediksi Jumlah Kasus Demam Berdarah Dengue Menggunakan Jaringan Syaraf Tiruan (Studi Kasus daerah Kab. Sleman, Provinsi DIY)
Jurnal PROte Vol. 3 No. 1, 216 Predisi Jumlah Kasus Demam Berdarah Dengue Menggunaan Jaringan Syaraf Tiruan Iis Hamsir Ayub Wahab Program Studi Teni Eletro Faultas Teni, Universitas Khairun Email: hamsir@unhair.ac.id
Lebih terperinciAPLIKASI ARTIFICIAL NEURAL NETWORK UNTUK PERAMALAN ALIRAN SUNGAI BLEGA ABSTRACT
APLIKASI ARTIFICIAL NEURAL NETWORK UNTUK PERAMALAN ALIRAN SUNGAI BLEGA Manyu Fauzi, Minarni Nur Trilita Mahasiswa S3 MRSA, Jurusan Teni Sipil-ITS dan Pengaar Jurusan Teni Sipil Univ. Riau Mahasiswa S3
Lebih terperinciMakalah Seminar Tugas Akhir
Pengaturan Kecepatan Motor DC Menggunaan Jaringan Syaraf Tiruan Feedforward Bacpropagation Sorihi *, Wahyudi **, Iwan Setiawan ** Abstra - Jaringan syaraf bacpropagation merupaan aringan syaraf yang telah
Lebih terperinciPERAMALAN CURAH HUJAN WILAYAH SEMARANG BARAT DENGAN ALGORITMA RESILIENT BACKPROPAGATION
PERAMALAN CURAH HUJAN WILAYAH SEMARANG BARAT DENGAN ALGORITMA RESILIENT BACKPROPAGATION Wellie Sulistanti Abstract- Tuuan dari penelitian ini untu mengapliasian cara era aringan syaraf tiruan dengan menggunaan
Lebih terperinciMAKALAH SEMINAR TUGAS AKHIR
1 MAKALAH SEMINAR TUGAS AKHIR PENGENALAN POLA GEOMETRI WAJAH MENGGUNAKAN JARINGAN SYARAF TIRUAN PERAMBATAN BALIK Muhamad Tonovan *, Achmad Hidayatno **, R. Rizal Isnanto ** Abstra - Pengenalan waah adalah
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 Latar Belaang PENDAHULUAN Sistem biometri adalah suatu sistem pengenalan pola yang melauan identifiasi personal dengan menentuan eotentian dari arateristi fisiologis dari perilau tertentu yang dimilii
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY Tedy Rismawan dan Sri Kusumadewi Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teni
Lebih terperinciII. DASAR TEORI I. PENDAHULUAN
IMPLEMENTASI JARINGAN SYARAF TIRUAN PERAMBATAN-BALIK UNTUK MENDETEKSI GOLONGAN DARAH PADA MANUSIA M. Fuad Latief *, R. Rizal Isnanto, Budi Setiyono Abstra - Membran sel darah manusia mengandung bermacam-macam
Lebih terperinciAKURASI MODEL PREDIKSI METODE BACKPROPAGATION MENGGUNAKAN KOMBINASI HIDDEN NEURON DENGAN ALPHA
AKURASI MODEL PREDIKSI METODE BACKPROPAGATION MENGGUNAKAN KOMBINASI HIDDEN NEURON DENGAN ALPHA Aris Puji Widodo, Suhartono 2, Eo Adi Sarwoo 3, dan Zulfia Firdaus 4,2,3,4 Departemen Ilmu Komputer/Informatia,
Lebih terperinciBAB V ALGORITMA PEMBELAJARAN DALAM JARINGAN SYARAF TIRUAN
BAB V ALGORITMA PEMBELAJARAN DALAM JARINGAN SYARAF TIRUAN Kompetensi : 1. Mahasiswa memahami onsep pembelaaran dalam JST Sub Kompetensi : 1. Dapat mengetahui prinsip algoritma Perceptron 2. Dapat mengetahui
Lebih terperinciPENGENALAN KARAKTER TULISAN TANGAN DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK RESILIENT
PENGENALAN KARAKTER TULISAN TANGAN DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK RESILIENT Oleh : DONNY WAHYU SAPUTRO G06499031 DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciPEMPROSESAN ALARM DALAM PERLINDUNGAN SISTEM DAYA LISTRIK MENGGUNAKAN NEURAL NETWORK. Azriyenni
PEMPROSESAN ALARM DALAM PERLINDUNGAN SISTEM DAYA LISTRIK MENGGUNAKAN NEURAL NETWORK Azriyenni Dosen Tetap Teni Eletro Universitas Riau - Peanbaru Abstra Penelitian ini menyelidii mengenai pemprosesan alarm
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Penjadwalan 2.1.1 Jadwal Secara Umum Menurut Kamus Besar Bahasa Indonesia (KBBI), jadwal adalah pembagian watu berdasaran rencana pengaturan urutan erja, daftar atau tabel egiatan
Lebih terperinciAPLIKASI WAVELET RECURRENT NEURAL NETWORK UNTUK PREDIKSI DATA TIME SERIES. : Agus Sumarno NRP :
APLIKASI WAELET RECURRENT NEURAL NETWORK UNTUK PREDIKSI DATA TIME SERIES Nama : Agus Sumarno NRP : 06 00 706 Jurusan : Matematia Dosen Pembimbing : Drs. Daryono Budi Utomo, M.Si Abstra Model time series
Lebih terperinciKecerdasan Komputasional Berbasis Jaringan Neural Buatan (JNB) Pada Sistem Pengenalan Wajah (Face Recognition)
No. 1/XXVI/2007 Wawan Setiawan, Kecerdasan Komputasional Kecerdasan Komputasional Berbasis Jaringan Neural Buatan (JNB) Pada Sistem Pengenalan Waah (Face Recognition) Wawan Setiawan (Universitas Pendidian
Lebih terperinciSTUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT
TUGAS AKHIR STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT 040803023 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciAPLIKASI ALGORITMA FEED FORWARD BACKPROPAGATION PADA SISTEM KEAMANAN AKSES MENGGUNAKAN SIDIK JARI.
Proceeding Seminar dan Worshop Nasional Pendidian Teni Eletro (SWNE) FPTK Universitas Pendidian Indonesia APLIKASI ALGORITMA FEED FORWARD BACKPROPAGATION PADA SISTEM KEAMANAN AKSES MENGGUNAKAN SIDIK JARI.
Lebih terperinciSISTEM PENGENAL WAJAH DENGAN JARINGAN SYARAF TIRUAN
SISTEM PENGENAL WAJAH DENGAN JARINGAN SYARAF TIRUAN Julian Supardi, Rz. Abdul Aziz, Syepriansyah Seolah Tggi Manaemen Informatia dan Komputer Darmaaya Jl. Z.A Pagar Alam No. 93 Bandar Lampung Indonesia
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Gambar 3.1 Bagan Penetapan Kriteria Optimasi Sumber: Peneliti Determinasi Kinerja Operasional BLU Transjaarta Busway Di tahap ini, peneliti
Lebih terperinciANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)
Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI FJLB (FINGER JOINT LAMINATING BOARD)
Lebih terperinciPENGENALAN TEKS BRAILLE BERBASIS JARINGAN SYARAF TIRUAN FEEDFORWARD MULTILAYER DENGAN MENGGUNAKAN METODE BACK PROPAGATION
1 MAKALAH SEMINAR TUGAS AKHIR PENGENALAN TEKS BRAILLE BERBASIS JARINGAN SYARAF TIRUAN FEEDFORWARD MULTILAYER DENGAN MENGGUNAKAN METODE BACK PROPAGATION Praditya Firmansyah *, Wahyul Amien Syafei**, Iwan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti
Lebih terperinciBAB 3 METODE PENELITIAN
36 BAB 3 METODE PENELITIAN 3.1 Disain Penelitian Jenis penelitian yang digunaan adalah penelitian desriptif, yaitu penelitian terhadap fenomena atau populasi tertentu yang diperoleh peneliti dari subye
Lebih terperinciBAB II PENGENALAN WAJAH
BAB II PENGENALAN WAJAH Sistem pengenalan waah dapat dibagi menadi empat tahap, yaitu tahap pengolahan citra, detesi waah, estrasi fitur dan tahap pengenalan waah. Pada tugas ahir ini aan lebih diteanan
Lebih terperinciProsiding Semirata FMIPA Universitas Lampung, 2013
Sistem Pengenalan Nomor Plat Kendaraan Berbasis Foto Diital Dengan Metode Moment Invariant dan Jaringan Syaraf Tiruan Menggunaan Algoritma Bacpropagation Zaiful Bahri, Suamto dan Joo Risanto Jurusan Matematia
Lebih terperinciKAJIAN PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE FACE-ARG DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
Media Informatia, Vol. 5, No. 2, Desember 2007, 99-111 ISSN: 0854-4743 KAJIAN PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE FACE-ARG DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Anita Desiani Jurusan Matematia,
Lebih terperinciBAB IV APLIKASI PADA MATRIKS STOKASTIK
BAB IV : ALIKASI ADA MARIKS SOKASIK 56 BAB IV ALIKASI ADA MARIKS SOKASIK Salah satu apliasi dari eori erron-frobenius yang paling terenal adalah penurunan secara alabar untu beberapa sifat yang dimilii
Lebih terperinciPENGEMBANGAN MODEL JARINGAN SYARAF TIRUAN RESILIENT BACKPROPAGATION UNTUK IDENTIFIKASI PEMBICARA DENGAN PRAPROSES MFCC. Oleh:
1 PENGEMBANGAN MODEL JARINGAN SYARAF TIRUAN RESILIENT BACKPROPAGATION UNTUK IDENTIFIKASI PEMBICARA DENGAN PRAPROSES MFCC Oleh: NURHADI SUSANTO G64103059 DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN
Lebih terperinciIII DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT
III DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT 3.1 Studi Literatur tentang Pengelolaan Sampah di Beberapa Kota di Dunia Kaian ilmiah dengan metode riset operasi tentang masalah
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belaang Keadaan dunia usaha yang selalu berubah membutuhan langah-langah untu mengendalian egiatan usaha di suatu perusahaan. Perencanaan adalah salah satu langah yang diperluan
Lebih terperinciPENGENALAN KAPAL PADA CITRA DIGITAL MENGGUNAKAN IMAGE PROCESSING DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENALAN KAPAL PADA CITRA DIGITAL MENGGUNAKAN IMAGE PROCESSING DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Sutino 1, Helmie Arif Wibawa 2, Priyo Sidi Sasongo 3 123 Jurusan Ilmu Komputer/Informatia, FSM,
Lebih terperinciBAB 2 LANDASAN TEORI. relevan, lengkap, dan terkini sejalan dengan permasalahan yang dihadapi. Di sini juga
BAB 2 LANDASAN TEORI Dalam landasan teori ini, pada dasarnya aan dielasan mengenai teori yang relevan, lengap, dan terini sealan dengan permasalahan yang dihadapi. Di sini uga terdapat hubungan antara
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Masalah untu mencari jalur terpende di dalam graf merupaan salah satu masalah optimisasi. Graf yang digunaan dalam pencarian jalur terpende adalah graf yang setiap sisinya
Lebih terperinciPENERAPAN ALGORITMA BACKPROPAGATION UNTUK KLASIFIKASI MUSIK DENGAN SOLO INSTRUMEN
Seminar Nasional Apliasi Tenologi Informasi 009 (SNATI 009) Yogyaarta, 0 Juni 009 ISSN:1907-50 PENERAPAN ALGORITMA BACKPROPAGATION UNTUK KLASIFIKASI MUSIK DENGAN SOLO INSTRUMEN Gunawan 1, Agus Djaja Gunawan,
Lebih terperinciBAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA
BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA Pada penelitian ini, suatu portfolio memilii seumlah elas risio. Tiap elas terdiri dari n, =,, peserta dengan umlah besar, dan
Lebih terperinciPERAMALAN KURS RUPIAH TERHADAP DOLAR DENGAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK ANIZZA RESTRA PUSPARIANTI
PERAMALAN KURS RUPIAH TERHADAP DOLAR DENGAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK ANIZZA RESTRA PUSPARIANTI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciSTUDI KOMPARASI IMPLEMENTASI JARINGAN BASIS RADIAL DAN FUZZY INFERENCE SYSTEM TSK UNTUK PENYELESAIAN CURVE FITTING
STUDI KOPARASI IPEENTASI JARINGAN BASIS RADIA DAN FUZZY INFERENCE SYSTE TSK UNTUK PENYEESAIAN CURVE FITTING Sri Kusumadewi Teni Informatia Universitas Islam Indonesia Jl. Kaliurang Km 4,5 Yogyaarta cicie@fti.uii.ac.id
Lebih terperinciPENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT
Seminar Nasional Apliasi Tenologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022 Yogyaarta, 16 Juni 2007 PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT I ing Mutahiroh, Indrato, Taufiq Hidayat Laboratorium
Lebih terperinciPENERAPAN NEURAL NETWORK MODEL BACKPROPAGATION DAN GENERAL REGRESSION NEURAL NETWORK
Eo Sediyono PENERAPAN NEURAL NETWORK MODEL BACKPROPAGATION DAN GENERAL REGRESSION NEURAL NETWORK Oleh : Eo Sediyono Abstra Telah dilauan penelitian tentang identifiasi citra untu mengidentifiasi enis daging
Lebih terperinciANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT
Jurnal Sipil Stati Vol. No. Agustus (-) ISSN: - ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI - DENGAN VARIASI JUMLAH TINGKAT Revie Orchidentus Francies Wantalangie Jorry
Lebih terperinci3 METODE PENELITIAN. 3.1 Tempat dan Waktu
22 3 METODE PENELITIAN 3.1 Tempat dan Watu Penelitian ini aan dilasanaan di dua pabri gula yaitu di PT. Perebunan Nusantara VII (Persero unit usaha PG Bungamayang dan PG Jatituuh Cirebon. Pemilihan dua
Lebih terperinciPenempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming
JURAL TEKIK POMITS Vol. 2, o. 2, (2013) ISS: 2337-3539 (2301-9271 Print) B-137 Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming Yunan Helmy Amrulloh, Rony Seto Wibowo, dan Sjamsjul
Lebih terperinciSISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak
SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Oleh : Pandapotan Siagia, ST, M.Eng (Dosen tetap STIKOM Dinamia Bangsa Jambi) Abstra Sistem pengenal pola suara atau yang lebih dienal dengan
Lebih terperinciAplikasi Neural-Fuzzy pada Regresi Interval untuk Data Time Series
Apliasi Neural-Fuzzy paa Regresi Interval untu Data Time Series Sri Kusumaewi Jurusan Teni Informatia, Universitas Islam Inonesia, Yogyaarta Jl. Kaliurang K, 4, Yogyaarta (04 E-mail : cicie@fti.uii.ac.i
Lebih terperinciEstimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga
JURNAL SAINS DAN SENI POMITS ol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Estimasi Konsentrasi Polutan Sungai Menggunaan Metode Redusi Kalman Filter dengan Pendeatan Elemen Hingga Muyasaroh, Kamiran,
Lebih terperinciBAB III METODE SCHNABEL
BAB III METODE SCHNABEL Uuran populasi tertutup dapat diperiraan dengan teni Capture Mar Release Recapture (CMRR) yaitu menangap dan menandai individu yang diambil pada pengambilan sampel pertama, melepasan
Lebih terperinciEstimasi Harga Saham Dengan Implementasi Metode Kalman Filter
Estimasi Harga Saham Dengan Implementasi Metode Kalman Filter eguh Herlambang 1, Denis Fidita 2, Puspandam Katias 2 1 Program Studi Sistem Informasi Universitas Nahdlatul Ulama Surabaya Unusa Kampus B
Lebih terperinciPengambilan Data dan Analisis
METODOLOGI PENELITIAN Watu dan Loasi Penelitian Penelitian dilasanaan mulai bulan November 2003 sampai dengan Juni 2004 di Kecamatan Rengasdenglo, Telagasari dan Cilamaya Kabupaten Karawang Jawa Barat
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB PENDAHULUAN. Latar belaang Metode analisis yang telah dibicaraan hingga searang adalah analisis terhadap data mengenai sebuah arateristi atau atribut (jia data itu ualitatif) dan mengenai sebuah variabel,
Lebih terperinciIdentifikasi Sinyal Electromyograph (Emg) Pada Gerak Ekstensi-Fleksi Siku Dengan Metode Konvolusi Dan Jaringan Syaraf Tiruan
Identifiasi Sinyal Electromyograph (Emg) Pada Gera Estensi-Flesi Siu Dengan Metode Konvolusi Dan Jaringan Syaraf Tiruan Ria Rohana, Kemalasari, Paulus Susetyo Wardana Jurusan Teni Eletronia, Politeni Eletronia
Lebih terperinciDESAIN SENSOR KECEPATAN BERBASIS DIODE MENGGUNAKAN FILTER KALMAN UNTUK ESTIMASI KECEPATAN DAN POSISI KAPAL
DESAIN SENSOR KECEPAAN BERBASIS DIODE MENGGUNAKAN FILER KALMAN UNUK ESIMASI KECEPAAN DAN POSISI KAPAL Alrijadjis, Bambang Siswanto Program Pascasarjana, Jurusan eni Eletro, Faultas enologi Industri Institut
Lebih terperinciADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoko Sumaryono ABSTRACT
Jurnal Teni Eletro Vol. 3 No.1 Januari - Juni 1 6 ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoo Sumaryono ABSTRACT Noise is inevitable in communication
Lebih terperinciAPLIKASI ALGORITMA CONJUGATE GRADIENT PADA JARINGAN SYARAF TIRUAN PERAMBATAN BALIK. Tesis
APLIKASI ALGORITMA CONJUGATE GRADIENT PADA JARINGAN SYARAF TIRUAN PERAMBATAN BALIK Tesis Program Studi Teni Eletro Jurusan Ilmu-ilmu Teni disusun oleh : Wiwien Widyastuti 8475/I-/820/02 PROGRAM PASCASARJANA
Lebih terperinciPengaruh Proses Stemming Pada Kinerja Analisa Sentimen Pada Review Buku
Jurnal Hasil Penelitian LPPM Untag Surabaya Januari 2018, Vol. 03, No. 01, hal 55-59 jurnal.untag-sby.ac.id/index.php/jhp17 E-ISSN : 2502-8308 P-ISSN : 2579-7980 Pengaruh Proses Stemming Pada Kinerja Analisa
Lebih terperinciSISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER
SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Pandapotan Siagian, ST, M.Eng Dosen Tetap STIKOM Dinamia Bangsa - Jambi Jalan Sudirman Theoo Jambi Abstra Sistem pengenal pola suara atau
Lebih terperinciDETEKSI POLA BERDASARKAN COLOUR FEATURE DENGAN METODE JARINGAN SYARAF TIRUAN
Prosiding Seminar Nasional Apliasi Sains & Tenologi (SNAST) Periode II ISSN: 1979-911X Yogyaarta, 11 Desember 2010 DETEKSI POLA BERDASARKAN COLOUR FEATURE DENGAN METODE JARINGAN SYARAF TIRUAN Uning Lestari
Lebih terperinciPEMODELAN FAKTOR YANG MEMPENGARUHI JUMLAH HIV DAN AIDS PROVINSI JAWA TIMUR MENGGUNAKAN REGRESI POISSON BIVARIAT
PEMODELAN FAKOR YANG MEMPENGARUHI JUMLAH HIV DAN AIDS PROVINSI JAWA IMUR MENGGUNAKAN REGRESI POISSON BIVARIA Novi ri Ratnasari, Purhadi Jurusan Statistia, Faultas MIPA, Institut enologi Sepuluh Nopember
Lebih terperinciAPLIKASI METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK OPTIMALISASI PENENTUAN LOKASI PROMOSI PRODUK
APLIKASI METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK OPTIMALISASI PENENTUAN LOKASI PROMOSI PRODUK Novhirtamely Kahar, ST. 1, Nova Fitri, S.Kom. 2 1&2 Program Studi Teni Informatia, STMIK
Lebih terperinciPrediksi Perilaku Pola Pengunjung Terhadap Transaksi Pada Toko Buku Gramedia Menggunakan Jaringan Syaraf Tiruan Metode Back Propagation
Predisi Perilau Pola Pengunjung Terhadap Transasi Pada Too Buu Gramedia Menggunaan Jaringan Syaraf Tiruan Metode Bac Propagation Iriansyah BM Sangadji Teni Informatia STT PLN Jl Lingar Luar Duri Kosambi
Lebih terperinciMAKALAH SEMINAR TUGAS AKHIR
MAKALAH SEMINAR TUGAS AKHIR Peramalan Kebutuhan Beban Janga Pende Menggunaan Jaringan Syaraf Tiruan Bacpropagation Oleh : Dinar Atia Sari (L2F002572) Jurusan Teni Eletro Faultas Teni Universitas Diponegoro
Lebih terperinciPEMODELAN OPTIMALISASI PRODUKSI UNTUK MEMAKSIMALKAN KEUNTUNGAN DENGAN MENGGUNAKAN METODE PEMROGRAMAN LINIER
PEMODELAN OPTIMALISASI PRODUKSI UNTUK MEMAKSIMALKAN KEUNTUNGAN DENGAN MENGGUNAKAN METODE PEMROGRAMAN LINIER Tantri Windarti Program Studi Sistem Informasi STMIK Surabaya Jl Raya Kedung Baru 98, Surabaya
Lebih terperinciTRANSFORMASI KOORDINAT MENGGUNAKAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK RESILIENT (Studi Kasus: Daerah Jawa Bagian Barat) SUPRIYANTI
TRANSFORMASI KOORDINAT MENGGUNAKAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK RESILIENT (Studi Kasus: Daerah Jawa Bagian Barat) SUPRIYANTI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciOptimasi Non-Linier. Metode Numeris
Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran
Lebih terperinciBAB 4 DISAIN MODEL. Pengguna. Citra. Ekstraksi Ciri x. Antar muka (Interface) Data Hasil Ekstraksi Ciri. Testing dan Identifikasi.
33 BAB 4 DISAIN MODEL Disain model sistem identifikasi citra karang dirancang sedemikian rupa dengan tuuan untuk memudahkan dalam pengolahan data dan pembuatan aplikasi serta memudahkan pengguna dalam
Lebih terperinciPENGENALAN SIDIK JARI MENGGUNAKAN RESILIENT BACKPROPAGATION NEURAL NETWORK DENGAN PRAPROSES TRANSFORMASI WAVELET INEZA NUR OKTABRONI
PENGENALAN SIDIK JARI MENGGUNAKAN RESILIENT BACKPROPAGATION NEURAL NETWORK DENGAN PRAPROSES TRANSFORMASI WAVELET INEZA NUR OKTABRONI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciPENENTUAN KUALITAS GILING BERAS MENGGUNAKAN ANALISIS CITRA
Penentuan Kualitas Giling Beras Menggunaan Analisis Citra (Agus Supriatna Somantri, Misiyah dan Sigit Nugraha) PENENTUAN KUALITAS GILING BERAS MENGGUNAKAN ANALISIS CITRA Determination of Rice Milling Quality
Lebih terperinciBAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN
BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN Berdasaran asumsi batasan interval pada bab III, untu simulasi perhitungan harga premi pada titi esetimbangan, maa
Lebih terperinciRESPONS ALIRAN MASUK KE DANAU TOWUTI OLEH CURAH HUJAN DI WAWONDULA DAN SEKITARNYA DIANALISA DENGAN ARTIFICIAL NEURAL NETWORK
Respons Aliran Masu Danau Towuti..(Kudsy) 87 RESPONS ALIRAN MASUK KE DANAU TOWUTI OLEH CURAH HUJAN DI WAWONDULA DAN SEKITARNYA DIANALISA DENGAN ARTIFICIAL NEURAL NETWORK Mahally Kudsy dan Moh. Husni INTISARI
Lebih terperinci