PENERAPAN ALGORITMA GENETIK UNTUK OPTIMASI TRANSFER DAYA PADA SISTEM SENSOR GAS METANA
|
|
- Shinta Tedja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Jurnal Neutrino Vol., No. April PENERAPAN AGORITMA GENETIK UNTUK OPTIMAI TRANFER DAYA PADA ITEM ENOR GA METANA. Muthmainnah 1), Melania uweni Muntini ). Abstra: Pada penguuran perubahan gejala fisis digunaan sensor yang dirangai dengan pengondisi sinyal dan omponen eletroni lain. Pemilihan pengondisi sinyal sangat penting arena menentuan efetifitas transfer daya antara sensor dan pengondisi sinyal. Transfer daya optimum aan terjadi pada saat nilai resistansi sensor (R ) sama dengan resistansi beban (R ). Pada maalah penelitian ini disajian hasil optimasi transfer daya yang bertujuan untu mengoptimuman daya yang ditransfer dari sensor gas metana e pengondisi sinyal. Metode optimasi yang digunaan adalah algoritma geneti dengan tegangan sensor (V ) dan resistansi beban (R ) sebagai romosom. Pemilihan probabilitas crossover 0,8 dan probabilitas mutasi 0,. Pada penelitian ini jumlah populasi yang digunaan adalah 1000 dan 00 generasi. Hasil optimasi ditentuan dengan fungsi fitness yang menggambaran daya masimum dengan nilai optimum tegangan sensor (V ) 4,74 Volt dan resistansi beban (R ) 450,6556 Ohm. Kondisi tersebut dicapai pada generasi e 46 dan daya yang ditransfer adalah 0,1981 Watt. Kata Kunci : Algoritma geneti, Generasi, Optimasi, Pengondisi sinyal, Transfer daya. PENDAHUUAN ensor merupaan suatu peralatan yang berfungsi untu mendetesi gejalagejala atau sinyal-sinyal yang berasal dari perubahan suatu energi seperti energi listri, energi fisia, energi imia, energi biologi, energi meani dan sebagainya. ensor yang sering ditemui dipasaran ebanyaan belum dapat langsung digunaan, sehingga harus dirangai dengan omponen-omponen eletroni lain. Komponen-omponen yang dimasud adalah pengondisi sinyal, miroontroler dan display sebagai tampilan hasil sensing. Pada sistem sensor pemilihan pengondisi sinyal sangat penting arena menentuan efetifitas transfer daya yang terjadi antara sensor dan pengondisi sinyal. Transfer daya optimum aan terjadi pada saat resistansi sensor (R ) sama dengan resistansi beban (R ). Pemilihan nilai resistansi beban (R ) harus dilauan secara cermat arena disamping dayanya harus masimum, tegangan yang eluar dari pengondisi sinyal juga harus dapat dibaca oleh miroontroler. Upaya untu mengoptimalan transfer daya perlu dilauan dengan batasan resistansi beban (R ) yang terdapat pada sistem sensor. Penelitian optimasi transfer daya pada sensor gas telah dilauan oleh Muwahidah Hasanah (009). Metode yang digunaan adalah metode pendeatan linear. 1, Jurusan Fisia Pascasarjana FMIPA Institut Tenologi epuluh Nopember (IT) urabaya 108
2 109 Jurnal Neutrino Vol., No. April 010 Metode optimasi ini bererja secara deterministi. alah satu metode optimasi yang sedang diembangan adalah algoritma geneti. Algoritma geneti adalah suatu model reayasa hasil evolusi tiruan yang diilhami oleh perembangan teni pembiaan geneti secara alamiah untu dapat menangani penyelesaian berbagai masalah pelacaan. Algoritma geneti sangat bai diterapan untu masalah optimasi dan dapat digunaan untu mencari pemecahan optimum suatu fungsi multi variabel. KAJIAN TEORI A. ensor Gas ensor gas merupaan tranduser yang mampu mendetesi perubahan ondisi lingungan dan emudian menghasilan sinyal listri yang besarnya proporsional dengan onsentrasi gas. Tipe-tipe sensor gas yang telah diembangan antara lain sensor eletroimia, sensor foto ionisasi dan atalis, sensor zat padat, dan sensor infra merah. Pengembangan sensor gas digunaan untu memonitor atmosfer melalui teanan parsial osigen sebagai parameter utama dan unsur-unsur atmosfer dalam onsentrasi yang relatif ecil pada ondisi udara normal. B. Pengondisi inyal istem ensor Pengondisi sinyal adalah rangaian eletroni yang dapat digunaan untu mendapatan parameter fisi dan emudian diubah menjadi sinyal eluaran yang diperluan (Muwahidah, 009). ecara umum tugas pengondisi sinyal adalah penguatan (amplification), penyaringan (filter), dan linearisasi. Tipe yang spesifi dari pengondisi sinyal tergantung pada tipe dari sumber masuan yang digunaan dan arateristi sinyal eluaran yang dihasilan. Tipe pengondisi sinyal yang sering digunaan adalah inverting dan noninverting. Inverting digunaan untu menguatan tegangan pada masuan serta membali hasil penguatan tersebut, jadi eluaran dari rangaian ini selalu memilii polaritas yang berlawananan dengan sinyal masuannya. Non-inverting digunaan untu menguatan tegangan tanpa membali hasil penguatannya, jadi eluaran dari rangaiannya sefase. C. Algoritma Geneti Algoritma geneti muncul diinspirasi oleh teori-teori dalam ilmu biologi, sehingga banya istilah dan onsep biologi yang digunaan dalam Algoritma geneti. esuai dengan namanya, proses yang terjadi dalam algoritma geneti sama dengan yang terjadi pada evolusi biologi. Menutut DE Goldberg (1989), algoritma geneti adalah suatu algoritma pencarian (searching) yang didasaran pada meanisme selesi alam. Tujuannya untu menentuan strutur-strutur yang disebut dengan individu berualitas tinggi dalam
3 Jurnal Neutrino Vol., No. April suatu domain yang disebut populasi untu mendapatan solusi terbai suatu persoalan. Komponen-omponen dalam algoritma geneti tersebut adalah sebagai beriut: a. Pengodean Terdapat tiga cara yang paling umum digunaan dalam pengodean, yaitu: 1. Binary encoding, untu pengodean binary encoding setiap gen diberi nilai 0 atau 1.. Real number, pada pengodean real number nilai gen berada dalam interval (0,R) dengan R adalah bilangan real positif dan biasanya R=1. 3. Discreet decimal decoding. etiap gen bernilai salah satu bilangan bulat dalam interval (0,9). b. Fungsi Fitness Fungsi fitness bermanfaat untu mengevaluasi andidat solusi sistem yang dimodelan. Pada evolusi alam, individu yang memilii nilai fitness rendah aan mati. c. elesi elesi dilauan untu menentuan individu-individu mana saja yang aan dipilih untu melauan reombinasi dan bagaimana offspring yang terbentu dari individu-individu terpilih tersebut. Dalam algoritma geneti terdapat dua macam selesi, yaitu roda roulette (roulette whell selection) dan ran based fitness. -Roda roulette digunaan untu menentuan individu orang tua yang aan dienai operasi geneti. esuai dengan namanya, metode ini meniruan permainan roulettewheel dengan masing-masing romosom menempati potongan lingaran pada roda roulette secara proporsional sesuai dengan nilai fitness-nya (Triswantoro Putro, 007). -Ran based fitness fitness biasanya digunaan untu menentuan generasi baru setelah proses operasi geneti diterapan dalam individu-individu orang tua sehingga lahirlah individu-individu baru (D.Quagliarella, 1998). Pada metode ini populasi diurutan menurut raning nilai fitness masing-masing individu. d. Pindah silang (crossover) alah satu omponen penting dalam algoritma geneti adalah crossover atau pindah silang. Crossover dilauan untu menuaran informasi antar romosom. e. Mutasi Mutasi adalah omponen dalam algoritma geneti yang bisa memodifiasi satu gen atau lebih dalam romosom yang sama sehingga dapat menyebaban terciptanya individu baru. f. Elitisme Pada penyelesian romosom dilauan dengan random, sehingga tida ada jaminan bahwa suatu individu bernilai fitness tertinggi aan selalu terpilih, mungin saja individu tersebut aan rusa (nilai fitness-nya menurun) arena proses pindah
4 111 Jurnal Neutrino Vol., No. April 010 silang. Untu menjaga agar individu bernilai fitness tersebut tida hilang selama evolusi, maa perlu dibuat satu atau beberapa opinya. Prosedur ini disebut dengan elitisme. PEMBAHAAN A. ensor Gas Metana ensor gas metana yang digunaan adalah TG 611 eluaran Figaro. ensor ini mempunyai sensitivitas dan seletifitas yang sangat bai terhadap gas metana. Material sensor gas terbuat dari bahan semiondutor sehingga perlu dipanasan agar dapat beerja dengan optimal. ensor gas berbahan metal osida mempunyai fungsi erja pada 50 0 C C.Ketia sensor dideatan dengan gas metana, maa gas metana aan meredusi muatan negatif osigen, sehingga resistansi sensor menurun. B. Pengondisi inyal istem ensor Pengondisi sinyal yang digunaan pada sensor gas adalah penguat non inverting. Penguat non inverting adalah penguat sinyal dengan tegangan eluaran yang sefase dengan sinyal masuan. inyal masuan disambungan e ai ta membali (+) dan masuan membali (-) dibumian. Tanda (+) dan (-) pada masuan buan menunjuan orientasi tegangan tetapi untu menunjuan adanya etertinggalan fase. Rangaian penguat non inverting ditunjuan oleh Gambar 3.1. Gambar 1. Rangaian Penguat Non Inverting Tegangan pada masuan membali sama dengan tegangan masuan sumber (V i ), yang juga sama dengan tegangan dari sebuah pembagi tegangan antara V o dan ground pada persamaan R + R1 V out= xv in (1) R 1 Rangaian sensor dan pengondisi sinyal ditunjuan oleh Gambar. Gambar Rangaian ensor dengan Penguat Ta Membali
5 Jurnal Neutrino Vol., No. April Keluaran dari penguat dihubungan e miroontroler sehingga terjadi transfer daya dari sistem sensor e pengondisi sinyal. Optimasi dilauan untu memperoleh transfer daya masimum agar energi yang diterima oleh miroontroler adalah masimum. Transfer daya aan masimum jia tahanan dalam (R ) sama dengan tahanan sensor (R ) dan P merupaan fungsi R, maa untu mencari nilai masimum P adalah P = i () V V ( + R ) = = R R + R P aan optimum jia dp = 0 dr dp dr V = ( R R R 4 R R 4 ) = 0 ehingga : R = R (5) Daya masimumnya yaitu: ( R ) 4V P = (6) C. Algoritma Geneti Optimasi transfer daya dilauan dengan mempertimbangan batasan rangaian pengondisi sinyal sistem sensor yang berupa resistansi beban selama proses sensing berlangsung. Algoritma geneti merupaan salah satu metode optimasi probabilisti heuristi yang dididasaran pada evolusi geneti alami untu menyelesaian berbagai macam masalah optimasi melalui pelacaan. Diagram alir proses optimasi dengan menggunaan algoritma geneti diperlihatan dalam Gambar 3. (3) (4)
6 113 Jurnal Neutrino Vol., No. April 010 Gambar 3. Diagram Alir Algoritma Geneti a. Populasi mula-mula Pada penelitian ini aan dilauan optimasi transfer daya dengan mempertimbangan batasan pada rangaian pengondisi sinyal sistem sensor yang berupa tegangan sensor dan resistansi beban selama proses sensing berlangsung. Batasan-batasan tersebut adalah: R (7) 0 < V < 5 (8) Pada penelitian ini romosom yang dibentu adalah tegangan sensor (V ) dan tahanan dalam (R ). Pengodeaan dilauan dengan bilangan real yang dibangitan secara random berdasaran batasan-batasannya. b. Penentuan fungsi fitness. Fungsi fitness berfungsi untu mengevaluasi setiap individu dalam suatu populasi. Fungsi fitness-nya adalah 1 f = ( D + a) (9) a bernilai 1 yang berfungsi untu menghindari terjadinya pembagian terhadap nol oleh fungsi fitness. Untu standar deviasi yang ecil maa fungsi fitness aan mendeati 1. Main tinggi nilai fitnessnya main besar peluang mendapatan set solusi tersebut untu dipilih menjadi nilai transfer daya optimum. c. Evaluasi Proses selesi dengan menggunaan metode roulette wheel, harus terlebih dahulu mencari probabilitas aumulatif (C i ) dari probabilitas selesinya (P i ). n C i = P i i= 1 (10)
7 Jurnal Neutrino Vol., No. April etelah dihitung nilai omulatif probabilitasnya, maa proses selesi menggunaan metode ini dapat dilauan. Prosesnya adalah dengan membangitan bilangan aca R i dalam ruang 0-1. uatu indu aan dipilih sebagi orang tua jia memenuhi persyaratan: C i 1 < Ri < Ci (11) d. Operasi geneti Dalam algoritma geneti ada dua macam operator geneti, yaitu crossover dan mutasi (Zbigniew Michalewicz, 1999). Kedua operator geneti ini bererja pada probabilitas tertentu, yaitu probabilitas crossover (P C ) dan probabilitas mutasi (P M ). ehingga dalam suatu populasi tida semua individu mengalami crossover atau mutasi, tetapi ada juga individu yang dapat mengalami crossover dan mutasi. 1. Crossover Crossover adalah operasi pindah silang antar romosom yang dilauan untu membentu individu baru yang lebih bai. Pada asus ini P C yang dipilih adalah 0,6. Pada pengodean secara aritmati crossover-nya didefinisian sebagai ombinasi linier dari dua romosom. Misalan v 1 t dan v t adalah romosom-romosom yang terselesi yang aan dicrossover-an. Maa hasil crossover-nya adalah sebagai beriut: t+ 1 t t v1 = av + ( 1 a) v1 t+ 1 t t v = av1 + ( 1 a) v Nilai parameter a dapat dipilih suatu onstanta atau suatu variabel yang memilii etergantungan terhadap generasi.. Mutasi Operator mutasi digunaan untu melauan modifiasi satu atau lebih nilai gen dalam romosom yang sama, atau pergeseran gen dalam suatu romosom. Pada permasaahan ini P M yang dipilih adalah 0,. Operator mutasi dapat dilauan dengan t memilih romosom yang dimutasi. Jia s ( v v v,... v ) t ' bermutasi, maa hasil mutasinya adalah s ( v, v,... v,... v ) v ' v = v + δ ( t, uv v ) δ ( t, v lv) δ ( t, y) = y.(1 r t b (1 ) T ) v v (1) (13) = 1,,... m dan v terpilih untu = dimana b=parameter yang menunjuan tingat etergantungan pada iterasi; r= Bilangan aca; t= Generasi; T= Generasi masimum; lv= Batas bawah; uv= Batas atas. e. Penentuan populasi untu generasi beriutnya etelah semua operasi geneti dilauan maa terbentulah individu-individu baru hasil crossover dan mutasi. Individu-individu yang terumpul adalah individuindividu dari populasi awal, individu hasil crossover dan individu hasil mutasi. Padahal 1 m (14)
8 115 Jurnal Neutrino Vol., No. April 010 yang aan dievaluasi adalah individu sejumlah populasi awal, sehingga perlu dilauan selesi untu menentuan individu mana yang aan dievaluasi. elesi yang digunaan adalah selesi raning. elesi raning dilauan dengan memilih individu yang memilii raning 1 sampai dengan raning sejumlah populsi awal. Individu yang memilii raning dibawah jumlah populasi awal tida aan diselesi atau dihapus. D. Implementasi Pengujian dilauan pada jumlah populasi 1000, P C 0,8, P M 0, dan dengan generasi masimal adalah 00 generasi. Fitness yang dicapai adalah 0,9840 dan mulai onvergen pada generasi e 46 dengan parameter V adalah 4,74 Volt dan R adalah 450,6556 Ohm. Pada ondisi ini daya yang ditransfer adalah 0,1981 Watt. Gambar 4. Hasil algoritma geneti menggunaan matlab KEIMPUAN Algoritma geneti yang dijalanan untu melauan optimasi transfer daya memberian simpulan bahwa: 1. Kondisi optimum terjadi pada generasi e 46 dari 00 generasi.. Transfer daya optimum terjadi pada nilai tegangan (V ) 4,74 Volt dan resistansi (R ) adalah 450,6556 Ohm. 3. Daya yang ditransfer pada ondisi optimum adalah 0,1981 Watt. DAFTAR PUTAKA D. Quagliarella,. Pe riaux, C. Poloni, Genetic Algorithm and Evolution trategies in Engineering and Computer cience, British ibrary, England. Fadlisyah, Arnawan, Faisal, 009, Algoritma Geneti, Graha Ilmu, Yogyaarta. Hasanah. Muwahidah, 009, Optimasi istem Penguuran Melalui Modifiasi Pengondisi inyal pada ensor Gas, IT, urabaya.
9 Jurnal Neutrino Vol., No. April Kusumadewi. ri, Purnomo. Hadi, 005. Penyelesaian Masalah Optimasi dengan Teni-Teni Heuristi, Graha Ilmu, Yogyaarta. Michalewicz, Zbigniew, 1997, Genetic Algorithm + Data tuctures = Evolution Program, pringer. uweni Muntini. Melania, 000, Teni Identifiasi istem dan Penentuan Orde Model dengan Algoritma Geneti, ITB, Bandung. uyanto, 005, Algoritma Geneti dalam Matlab, Andi, Yogyaarta. Putro, Triswantoro, 007, Implementasi Algoritma Geneti pada Auisisi Data Penilaian Warna ecara Online, IT, urabaya.
PENERAPAN ALGORITMA GENETIK UNTUK OPTIMASI TRANSFER DAYA PADA SISTEM SENSOR GAS. Muthmainnah
TESIS PENEAPAN ALGOITMA GENETIK UNTUK OPTIMASI TANSFE DAYA PADA SISTEM SENSO GAS Muthmainnah 1108201008 DOSEN PEMBIMBING Dr. Melania Suweni Muntini, MT PENDAHULUAN Sensor gas yang sering ditemui dipasaran
Lebih terperinciBAB IV Solusi Numerik
BAB IV Solusi Numeri 4. Algoritma Genetia Algoritma Genetia (AG) [2] merupaan teni pencarian stoasti yang berdasaran pada meanisme selesi alam dan prinsip penurunan genetia. Algoritma genetia ditemuan
Lebih terperinciPEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA
PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA Iing Mutahiroh, Fajar Saptono, Nur Hasanah, Romi Wiryadinata Laboratorium Pemrograman dan Informatia
Lebih terperinciALGORITMA GENETKA PADA MULTI DEPOT VEHICLE ROUTING PROBLEM (MDVRP)
ALGORITMA GENETKA PADA MULTI DEPOT VEHICLE ROUTING PROBLEM (MDVRP) Igusta Wibis Vidi Abar Purwanto 2 FMIPA Universitas Negeri Malang E-mail: wibis.roccity@gmail.com Abstra: Multi Depot Vehicle Routing
Lebih terperinciImplementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf
JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: 2337-3539 (230-927 Print) Implementasi Algoritma Pencarian Jalur Sederhana Terpende dalam Graf Anggaara Hendra N., Yudhi Purwananto, dan Rully Soelaiman Jurusan
Lebih terperinciPENERAPAN ALGORITMA GENETIK UNTUK OPTIMASI TRANSFER DAYA
Prosiding eminar Nasional ains 010 IBN 978-979-08-7-8 OPTIMAIAI AIN UNTUK MEMBEDAYAKAN MANUIA PENEAPAN AGOITMA GENETIK UNTUK OPTIMAI TANFE DAYA Muhmainnah 1, Melania uweni Munini. Jurusan Fisika FMIPA
Lebih terperinciPERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM
Seminar Nasional Sistem dan Informatia 2007; Bali, 16 November 2007 PERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM Fajar Saptono 1) I ing Mutahiroh
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 terperinciBAB VII ALGORITMA GENETIKA
BAB VII ALGORITMA GENETIKA Kompetensi : 1. Mahasiswa memahami onsep Algoritma Genetia Sub Kompetensi : 1. Dapat mengerti dasar metode Algoritma Genetia 2. Dapat memahami tahapan operator dalam Algoritma
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 terperinciModifikasi ACO untuk Penentuan Rute Terpendek ke Kabupaten/Kota di Jawa
187 Modifiasi ACO untu Penentuan Rute Terpende e Kabupaten/Kota di Jawa Ahmad Jufri, Sunaryo, dan Purnomo Budi Santoso Abstract This research focused on modification ACO algorithm. The purpose of this
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 terperinciESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR)
SEMINAR NASIONAL PASCASARJANA SAL ESIMASI RAJECORY MOBILE ROBO MENGGUNAKAN MEODE ENSEMBLE KALMAN FILER SQUARE ROO (ENKF-SR) eguh Herlambang Zainatul Mufarrioh Firman Yudianto Program Studi Sistem Informasi
Lebih terperinciVARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL
SEMINAR NASIONAL PENDIDIKAN SAINS Peningatan Kualitas Pembelajaran Sains dan Kompetensi Guru melalui Penelitian & Pengembangan dalam Menghadapi Tantangan Abad-1 Suraarta, Otober 016 VARIASI NILAI BATAS
Lebih terperinciVariasi Spline Kubik untuk Animasi Model Wajah 3D
Variasi Spline Kubi untu Animasi Model Wajah 3D Rachmansyah Budi Setiawan (13507014 1 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciPENENTUAN FAKTOR KALIBRASI ACCELEROMETER MMA7260Q PADA KETIGA SUMBU
PENENTUAN FAKTOR KALIBRASI ACCELEROMETER MMA7260Q PADA KETIGA SUMBU Wahyudi 1, Adhi Susanto 2, Sasongo P. Hadi 2, Wahyu Widada 3 1 Jurusan Teni Eletro, Faultas Teni, Universitas Diponegoro, Tembalang,
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 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 terperinciBAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING
Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan
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 terperinciMakalah Seminar Tugas Akhir
Maalah Seminar Tugas Ahir PENDETEKSI POSISI MENGGUNAKAN SENSOR ACCELEROMETER MMA7260Q BERBASIS MIKROKONTROLER ATMEGA 32 Muhammad Riyadi Wahyudi, ST., MT. Iwan Setiawan, ST., MT. Abstract Currently, determining
Lebih terperinciBAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain
8 BAB II LANDASAN TEORI 2.1 Teori Graf 2.1.1 Definisi Graf Graf adalah umpulan simpul (nodes) yang dihubungan satu sama lain melalui sisi/busur (edges) (Zaaria, 2006). Suatu Graf G terdiri dari dua himpunan
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 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 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 terperinciBAB VII. RELE JARAK (DISTANCE RELAY)
BAB VII. RELE JARAK (DISTANCE RELAY) 7.1 Pendahuluan. Rele jara merespon terhadap banya inputsebagai fungsi dari rangaian listri yang panjang (jauh) antara loasi rele dengan titi gangguan. Karena impedansi
Lebih terperinciPENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )
PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursati (13507065) Program Studi Teni Informatia, Seolah Teni Eletro dan Informatia, Institut Tenologi Bandung Jalan Ganesha No. 10 Bandung, 40132
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 terperinciPERTEMUAN 02 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU
PERTEMUAN 2 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU 2. SISTEM WAKTU DISKRET Sebuah sistem watu-disret, secara abstra, adalah suatu hubungan antara barisan masuan dan barisan eluaran. Sebuah
Lebih terperinciPenggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler
Penggunaan Indusi Matematia untu Mengubah Deterministic Finite Automata Menjadi Espresi Reguler Husni Munaya - 353022 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,
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 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 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 terperinciBAB III. Metode Penelitian
BAB III Metode Penelitian 3.1 Diagram Alir Penelitian Secara umum diagram alir algoritma genetika dalam penelitian ini terlihat pada Gambar 3.1. pada Algoritma genetik memberikan suatu pilihan bagi penentuan
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 terperinciBAB 3 ANALISIS DAN PERANCANGAN APLIKASI
27 BAB 3 ANALISIS DAN PERANCANGAN APLIKASI 3.1 Analisis Pada subbab ini akan diuraikan tentang analisis kebutuhan untuk menyelesaikan masalah jalur terpendek yang dirancang dengan menggunakan algoritma
Lebih terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI Jurusan Matematia, FMIPA, Universitas Negeri Maassar Email: nanni.cliq@gmail.com Abstra. Pada artiel ini dibahas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Sistem Kendali Lup [1] Sistem endali dapat diataan sebagai hubungan antara omponen yang membentu sebuah onfigurasi sistem, yang aan menghasilan tanggapan sistem yang diharapan.
Lebih terperinciDeret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII
Keonvergenan Kesumawati Prodi Statistia FMIPA-UII June 23, 2015 Keonvergenan Pendahuluan Kalau sebelumnya, suu suu pada deret ta berujung berupa bilangan real maa ali ini ita embangan suu suunya dalam
Lebih terperinciPEMISAHAN BANYAK SUMBER SUARA MESIN MENGGUNAKAN ANALISIS KOMPONEN INDEPENDEN (ICA) UNTUK DETEKSI KERUSAKAN. B.T. Atmaja, A.S. Aisyah, dan D.
PEMISAHAN BANYAK SUMBER SUARA MESIN MENGGUNAKAN ANALISIS KOMPONEN INDEPENDEN (ICA) UNUK DEEKSI KERUSAKAN B.. Atmaja, A.S. Aisyah, dan D. Arifianto Jurusan eni Fisia,Faultas enologi Industri, Institut enologi
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 terperinciKata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan
Statisti Respon Kanal Radio Dalam Ruang Pada Freuensi,6 GHz Christophorus Triaji I, Gamantyo Hendrantoro, Puji Handayani Institut Tenologi Sepuluh opember, Faultas Tenologi Industri, Jurusan Teni Eletro
Lebih terperinciAnalisis Operator Crossover pada Permasalahan Permainan Puzzle
Analisis Operator Crossover pada Permasalahan Permainan Puzzle Kun Siwi Trilestari [1], Ade Andri Hendriadi [2] Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Singaperbanga Karawang
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 terperinciPencitraan Tomografi Elektrik dengan Elektroda Planar di Permukaan
Abstra Pencitraan omografi Eletri dengan Eletroda Planar di Permuaan D. Kurniadi, D.A Zein & A. Samsi KK Instrumentasi & Kontrol, Institut enologi Bandung Jl. Ganesa no. 10 Bandung Received date : 22 November2010
Lebih terperinciVI. PEMILIHAN MODA (Modal Split/Choice)
VI. PEMILIHAN MODA (Modal Split/Choice) 6.. UMUM Tujuan: Mengetahui proporsi pengaloasian perjalanan e berbagai moda transportasi. Ada dua emunginan situasi yang dihadapi dalam meramal pemilihan moda:
Lebih terperinciAplikasi diagonalisasi matriks pada rantai Markov
J. Sains Dasar 2014 3(1) 20-24 Apliasi diagonalisasi matris pada rantai Marov (Application of matrix diagonalization on Marov chain) Bidayatul hidayah, Rahayu Budhiyati V., dan Putriaji Hendiawati Jurusan
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 terperinciBAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT.
BAB 5 RUANG VEKTOR UMUM Dr. Ir. Abdul Wahid Surhim, MT. KERANGKA PEMBAHASAN. Ruang Vetor Nyata. Subruang. Kebebasan Linier 4. Basis dan Dimensi 5. Ruang Baris, Ruang Kolom dan Ruang Nul 6. Ran dan Nulitas
Lebih terperinciTanggapan Waktu Alih Orde Tinggi
Tanggapan Watu Alih Orde Tinggi Sistem Orde-3 : C(s) R(s) ω P ( < ζ (s + ζω s + ω )(s + p) Respons unit stepnya: c(t) βζ n n < n ζωn t e ( β ) + βζ [ ζ + { βζ ( β ) cos ( β ) + ] sin ζ ) ζ ζ ω ω n n t
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 terperinciPEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA
PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat
Lebih terperinciKORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak
KORELASI ANARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISEM ADAPIF Sri Arttini Dwi Prasetyawati 1 Abstra Masud pembahasan tentang orelasi dua sinyal adalah orelasi dua sinyal yang sama aan tetapi
Lebih terperinciSISTEM TOMOGRAFI IMPEDANSI LISTRIK SEBAGAI SARANA UJI TAK RUSAK SEDERHANA
SISTEM TOMOGRAFI IMPEDANSI LISTRIK SEBAGAI SARANA UJI TAK RUSAK SEDERHANA Khusnul Ain (husnulainunair@yahoo.com) R. Arif Wibowo Imam Sapuan Departemen Fisia, Faultas Sains dan Tenologi, Universitas Airlangga,
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 terperinciPENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T
PENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T Abstrak : Algoritma genetika adalah algoritma pencarian heuristik yang didasarkan atas mekanisme evolusi
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 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 terperinciI. PENDAHULUAN. Teori graf merupakan salah satu bagian ilmu dari matematika dan merupakan
I. PENDAHULUAN. Latar Belaang Teori graf merupaan salah satu bagian ilmu dari matematia dan merupaan poo bahasan yang relatif muda jia dibandingan dengan cabang ilmu matematia yang lain seperti aljabar
Lebih terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL Syafruddin Side, Jurusan Matematia, FMIPA, Universitas Negeri Maassar email:syafruddinside@yahoo.com Info: Jurnal MSA Vol. 3
Lebih terperinciPendeteksi Rotasi Menggunakan Gyroscope Berbasis Mikrokontroler ATmega8535
Maalah Seminar Tugas Ahir Pendetesi Rotasi Menggunaan Gyroscope Berbasis Miroontroler ATmega8535 Asep Mubaro [1], Wahyudi, S.T, M.T [2], Iwan Setiawan, S.T, M.T [2] Jurusan Teni Eletro, Faultas Teni, Universitas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Teori Fuzzy 2.1.1 Dasar-Dasar Teori Fuzzy Secara prinsip, di dalam teori fuzzy set dapat dianggap sebagai estension dari teori onvensional atau crisp set. Di dalam teori crisp
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 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 terperinciOPTIMASI SISTEM PENGUKURAN MELALUI MODIFIKASI PENGKONDISI SINYAL PADA SENSOR GAS CO
OPTIMAI ITEM PENGUKURAN MEAUI MODIFIKAI PENGKONDII INYA PADA ENOR GA CO Muwahidah Nurhasanah 1, Melania uweni Muntini, Yanurita Dwi Hapsari 3 Jurusan Fisika FMIPA IT urabaya e-mail: 1 muwahidahn@physics.its.ac.id;
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 terperinciPenentuan Konduktivitas Termal Logam Tembaga, Kuningan, dan Besi dengan Metode Gandengan
Prosiding Seminar Nasional Fisia dan Pendidian Fisia (SNFPF) Ke-6 205 30 9 Penentuan Kondutivitas Termal ogam Tembaga, Kuningan, dan Besi dengan Metode Gandengan Dwi Astuti Universitas Indraprasta PGRI
Lebih terperinciTugas Mata Kuliah E-Bisnis REVIEW TESIS
Tugas Mata Kuliah E-Bisnis REVIEW TESIS Desain Algoritma Genetika Untuk Optimasi Penjadwalan Produksi Meuble Kayu Studi Kasus Pada PT. Sinar Bakti Utama (oleh Fransiska Sidharta dibawah bimbingan Prof.Kudang
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 terperinciBAB III HASIL DAN PEMBAHASAN
15 BAB III HASIL DAN PEMBAHASAN 3.1Relasi Dispersi Pada bagian ini aan dibahas relasi dispersi untu gelombang internal pada fluida dua-lapisan.tinjau lapisan fluida dengan ρ a dan ρ b berturut-turut merupaan
Lebih terperinciPENCOCOKAN KATA SECARA ACAK DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL
Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 1 9 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENCOCOKAN KATA SECARA ACAK DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL MULIA AFRIANI KARTIKA
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Hasil Pengolahan Data Data yang telah berhasil diumpulan oleh penulis di BB BIOGEN diperoleh hasil bobot biji edelai dengan jumlah varietas yang aan diuji terdiri dari 15
Lebih terperinciKINETIKA REAKSI KIMIA TIM DOSEN KIMIA DASAR FTP UB 2012
KINETIKA REAKSI KIMIA TIM DOSEN KIMIA DASAR FTP UB Konsep Kinetia/ Laju Reasi Laju reasi menyataan laju perubahan onsentrasi zat-zat omponen reasi setiap satuan watu: V [ M ] t Laju pengurangan onsentrasi
Lebih terperinci4. 1 Spesifikasi Keadaan dari Sebuah Sistem
Dalam pembahasan terdahulu ita telah mempelajari penerapan onsep dasar probabilitas untu menggambaran sistem dengan jumlah partiel ang cuup besar (N). Pada bab ini, ita aan menggabungan antara statisti
Lebih terperinciAnalisis Pengendalian Persediaan Produk Dengan Metode EOQ Menggunakan Algoritma Genetika untuk Mengefisiensikan Biaya Persediaan
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 2301-9271 A-305 Analisis Pengendalian Persediaan Produk Dengan Metode EOQ Menggunakan Algoritma Genetika untuk Mengefisiensikan Biaya Persediaan Indroprasto,
Lebih terperinciGenetic Algorithme. Perbedaan GA
Genetic Algorithme Algoritma ini bekerja dengan sebuah populasi yang terdiri atas individu-individu (kromosom). Individu dilambangkan dengan sebuah nilai kebugaran (fitness) yang akan digunakan untuk mencari
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 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 terperinciPenentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway
Rea Racana Jurnal Online Institut Tenologi Nasional Teni Sipil Itenas No.x Vol. Xx Agustus 2015 Penentuan Nilai Eivalensi Mobil Penumpang Pada Ruas Jalan Perotaan Menggunaan Metode Time Headway ENDI WIRYANA
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 terperinciAnalisa 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 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 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 terperinciStudi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya
Studi dan Analisis mengenai Hill ipher, Teni Kriptanalisis dan Upaya enanggulangannya Arya Widyanaro rogram Studi Teni Informatia, Institut Tenologi Bandung, Jl. Ganesha 10 Bandung Email: if14030@students.if.itb.ac.id
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 terperinciPENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR
PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR Ngarap Im Mani 1) dan Lim Widya Sanjaya ), 1) & ) Jurs. Matematia Binus University PENGANTAR Perancangan percobaan adalah suatu
Lebih terperinciCONTENT BASED IMAGE RETRIEVAL MENGGUNAKAN MOMENT INVARIANT, TEKSTUR DAN BACKPROPAGATION
UPN Veteran Yogyaarta, 30 Juni 2012 CONTENT BASED IMAGE RETRIEVAL MENGGUNAKAN MOMENT INVARIANT, TEKSTUR DAN BACKPROPAGATION Ni G.A.P Harry Saptarini 1), Rocy Yefrenes Dilla 2) 1) Politeni Negeri Bali 2)
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 terperinciPERHITUNGAN KEHILANGAN PRATEKAN (LOSS OF PRESTRESS) AKIBAT SUSUT DAN RANGKAK PADA BETON DENGAN MEMPERHITUNGKAN VARIABILITAS SIFAT-SIFAT BETON
PERHITUNGAN KEHILANGAN PRATEKAN (LOSS OF PRESTRESS) AKIBAT SUSUT DAN RANGKAK PADA BETON DENGAN MEMPERHITUNGKAN VARIABILITAS SIFAT-SIFAT BETON M. Sigit Darmawan Dosen Diploma Teni Sipil ITS Email: msdarmawan@ce.its.ac.id
Lebih terperinciPerhitungan Kehilangan Pratekan Total dengan Memakai Teori Kemungkinan ABSTRAK
Jurnal APLIKASI Volume 5, Nomor 1, Agustus 2008 Perhitungan Kehilangan Pratean Total dengan Memaai Teori Kemunginan M. Sigit Darmawan Dosen Jurusan Diploma Teni Sipil, FTSP - ITS Email: msdarmawan@ce.its.ac.id
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini disampaian beberapa pengertian dasar yang diperluan pada bab selanutnya. Selain definisi, diberian pula lemma dan teorema dengan atau tanpa buti. Untu beberapa teorema
Lebih terperinciALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 5, No. 03(2016), hal 265 274. ALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR Abdul Azis, Bayu Prihandono, Ilhamsyah INTISARI Optimasi
Lebih terperinciOptimasi Penjadwalan Ujian Menggunakan Algoritma Genetika
Optimasi Penjadwalan Ujian Menggunakan Algoritma Genetika Nia Kurnia Mawaddah Wayan Firdaus Mahmudy, (wayanfm@ub.ac.id) Jurusan Matematika, FMIPA Universitas Brawijaya, Malang 65145 Abstrak Penjadwalan
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 terperinciBAB 2 DASAR TEORI. 2.1 Teka-Teki Silang
BAB 2 DASAR TEORI 2.1 Teka-Teki Silang Teka-teki silang atau disingkat TTS adalah suatu permainan yang mengharuskan penggunanya untuk mengisi ruang-ruang kosong dengan huruf-huruf yang membentuk sebuah
Lebih terperinciII. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode
3 II. TINJAUAN PUSTAKA 2.1 Analisis Ragam (Anara) Untu menguji esamaan dari beberapa nilai tengah secara sealigus diperluan sebuah teni yang baru yang disebut analisis ragam. Anara adalah suatu metode
Lebih terperinciINTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON. Makalah. Disusun guna memenuhi tugas Mata Kuliah Metode Numerik. yang dibimbing oleh
INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON Maalah Disusun guna memenuhi tugas Mata Kuliah Metode Numeri yang dibimbing oleh Dr. Nur Shofianah Disusun oleh: M. Adib Jauhari Dwi Putra 146090400111001
Lebih terperinciANALISA ALIRAN DAYA DENGAN METODE INJEKSI ARUS PADA SISTEM DISTRIBUSI 20 KV
ANALISA ALIRAN DAA DENGAN METODE INJEKSI ARUS PADA SISTEM DISTRIBUSI 0 K IBG Manuaba 1, Kade Amerta asa 1 Staff pengajar Teni Eletro Faultas Teni Universitas Udayana Kampus Buit Jimbaran, Bali, 80361 Staff
Lebih terperinciBAB III MODEL KANAL WIRELESS
BAB III MODEL KANAL WIRELESS Pemahaman mengenai anal wireless merupaan bagian poo dari pemahaman tentang operasi, desain dan analisis dari setiap sistem wireless secara eseluruhan, seperti pada sistem
Lebih terperinciMODEL MATEMATIKA KONSENTRASI OKSIGEN TERLARUT PADA EKOSISTEM PERAIRAN DANAU
MDEL MATEMATIKA KNSENTRASI KSIGEN TERLARUT PADA EKSISTEM PERAIRAN DANAU Sutimin Jurusan Matematia, FMIPA Universitas Diponegoro Jl. Prof. H. Soedarto SH Tembalang, Semarang 5075 E-mail: su_timin@yanoo.com
Lebih terperinci