3 METODE PENELITIAN. 3.1 Tempat dan Waktu

Ukuran: px
Mulai penontonan dengan halaman:

Download "3 METODE PENELITIAN. 3.1 Tempat dan Waktu"

Transkripsi

1 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 pabri tersebut dengan pertimbangan perbedaan tingat produtivitas. Watu penelitian dimulai pada bulan Februari sampai Agustus Obye dan Alat Obye yang aan diai dalam penelitian ini adalah : Sistem era di tempat pabriasi: Penelitian diousan pada umlah dan omposisi aryawan, shit era, alat/mesin yang ditangani, lingungan era dan asilitas penduung. Dalam penelitian ini alat-alat yang digunaan untu menguur ondisi era operator dan lingungan era adalah sebagai beriut ; 1 Kuisioner persepsi 2 Timbangan badan 3 Vibration meter 4 Humidity & IR Temperatur Meter 5 Lux & Light Meter 6 Sound Level Meter 7 Disto-meter Digital 8 Heart Rate Monitor 3.3 Metode Penelitian Metode penelitian yang digunaan dapat dilihat pada Gambar 2, yang secara garis besar terdiri dari studi pendahuluan, pengambilan data, pemodelan sistem, veriiasi dan validasi, emudia dilanutan dengan analisa dan esimpulan, penelasan masing-masing tahap adalah sebagai beriut.

2 23 Gambar 2 Diagram alir metode penelitian Studi Pendahuluan Penelitian ini dimulai dengan studi pendahuluan meliputi studi awal lapangan dan studi pustaa/ literatur. Berdasaran studi pendahuluan, emudian masalah dapat dirumusan yaitu rancangan sistem era berbasis pendeatan ergonomi maro Pengambilan Data Pengumpulan Data Sistem Kera di Lingungan Pabri Data yang diambil adalah data umlah dan omposisi aryawan, shit era, pembagian era, lingungan era, alat yang digunaan sampai asilitas penduung. Lingungan era yang dimasud meliputi luas ruang, temperatur, elembaban, ebisingan, getaran, pencahayaan. Sedangan asilitas penduung antara lain polilini, tempat ibadah, sarana sosial dan pendidian.

3 24 Teni penguuran lingungan era adalah sebagai beriut: 1 Penguuran Luas Ruangan Penguuran luas ruangan dimasud disini adalah luas ruangan yang aan menadi obe penelitian. Alat yang digunaan untu penguuran luas ruangan ini yaitu meteran dan distro meter. Alat distro meter ini digunaan arena lebih pratis dan teliti arena telah memanaatan sinar inra merah sebagai sebagai sensor alat uurnya. 2 Penguuran Temperatur dan Kelembaban Penguuran temperatur dan elembaban dilauan pada stasiun era. Alat yang digunaan yaitu penguur tempertur digital dengan menggunaan sensor inra merah (Gambar 3 dan alat penguur elembaban (RH meter. Gambar 3 Alat uur temperatur digital Penguuran aan dilauan pada beberapa titi pada masing-masing stasiun penguuran dan pada tingat watu tertentu (diseuaian dengan shit era, sehingga sebaran temperatur dan elembaban pada suatu watu di dalam stasiun era dapat dietahui. 3 Penguuran Pencahayaan Penguuran pencahayaan dilauan pada stasiun era. Penguuran ini menggunaan alat uur pencahayaan digital dan dilauan pada titi-titi yang telah ditentuan untu melihat pola sebaran intensitas cahaya. Penguuran uga dilauan pada tingat watu tertentu untu melihat adanya perubahan pola sebaran intensitas cahaya berdasaran watu.

4 25 4 Penguuran Kebisingan Penguuran ebisingan dilauan dengan cara memetaan tingat ebisingan pada stasiun-stasiun pengolahan. Penguuran ebisingan dilauan pada titi-titi yang telah ditentuan sebelumnya.tingat ebisingan diuur dengan menggunaan Sound Level Meter dengan tinggi alat pada saat penguuran ± 160 cm dari lantai atau setara dengan rata-rata tinggi telinga orang Indonesia. Memberian uesioner epada beberapa operator yang beera di stasiun-stasiun pengolahan untu mengetahui eluhan-eluhan atau dampa yang ditimbulan dari ondisi lingungan era. 5 Penguuran Getaran Data tingat getaran meanis yang dihasilan mesin, diuur dengan cara : 1 Menguur getaran meanis pada mesin searah sumbu x, y, dan z menggunaan vibrationmeter (Gambar 4. Penguuran ini bertuuan untu mengetahui nilai getaran sumber. Gambar 4 Vibrationmeter 2 Menguur putaran poros mesin (rpm menggunaan tachometer (Gambar 5. Penguuran ini bertuuan mengetahui reuensi getaran sumber.

5 26 Gambar 5 Tachometer 3 Menguur getaran yang merambat e lantai atau tempat lain dimana getaran merambat dengan menempelan vibrationmeter Penguuran Beban Kera Selanutnya untu mengetahui pengaruh rancangan sistem era terhadap aryawan adalah dengan menguur beban era. Penguuran beban era dilauan dengan metode subyeti yaitu dengan uisioner persepsi aryawan dan secara obyeti dilauan dengan menguur elelahan dan melihat prestasi era aryawan. Data beban era operator dapat dietahui berdasaran parameter denyut antung operator, yang diuur dengan Heart Rate Monitor. Alat ini disetel secara otomatis meream denyut antung operator setiap 5 deti untu mengetahui tingat beban era yang dialami operator pada saat beera. Veriiasi penguuran beban era dengan parameter denyut antung dilauan dengan metode step-test. Veriiasi ini dilauan sebelum penguuran denyut antung dilauan pada beberapa subye yang berbeda. Metoda step test dilauan dengan cara melangah nai turun bangu step test setingi 30 cm dengan ritme ecepatan langah yang berbeda yang diatur dengan alat digital metronome. Ritme ecepatan langah yang diuur yaitu 20 silus/menit, 25 silus/menit, dan 30 silus/menit. Setiap masing-masing ritme dilauan selama 3 menit dengan diselingi istirahat selama 5 menit. Rata-rata denyut antung dan tenaga yang digunaan saat melauan step-test diplotan dalam bentu grai dicari persamaan hubungan antara denyut antung dan tenaga. Untu menghindari subetivitas nilai denyut antung (HR yang umumnya sangat dipengaruhi oleh ator-ator personal, psiologis dan lingungan, maa perhitungan nilai HR harus dinormalisasian agar diperoleh nilai HR yang obeti (Syuaib Normalisasi nilai denyut antung dilauan dengan cara

6 27 perbandingan HR relati saat era terhadap HR saat istirahat. Nilai perbandingan HR tersebut dinamaan IRHR (Increase Ratio o Heart Rate. Perbandingan tersebut dirumusan sebagai beriut: HR wor IRHR =... (2 HR rest Dimana: HR wor HR rest = denyut antung saat melauan peeraan (beats/ minute = denyut antung saat istirahat (beats / minute Kemudian untu memperoleh Total Energy Cost Step Test (TEC ST yaitu total energi yang digunaan pada step test digunaan persamaan beriut ini: TEC..2. /( ST = w g h. t... (3 Diamana: TEC ST = Total Energy Cost saat step test (al/menit w = Berat badan (g g = Percepatan gravitasi (9.8 m/deti 2 = Frewensi step test h = Tinggi bangu step test (meter 4.2 = Fator alibrasi satuan dari oule menadi alori t = watu (menit Kemudian dibuat grai orelasi antara TEC ST dengan IRHR sehingga diperoleh permsamaan dengan bentu umum untu seorang sube sebagai beriut:.... (4 Dimana: Y = TEC ST (al/menit X = IRHR

7 28 Persamaan ini emudian digunaan untu mengonversi nilai IRHR menadi TEC W pada saat melauan ativitas. Untu mengetahui nilai energi yang dieluaran sebenarnya untu melauan peeraan perlu dihitung nilai WEC (Wor Energy Cost dengan persamaan sebagai beriut:... (5 Dimana: WEC TEC BME = Wor Energy Cost (al/min = Total Energy Cost (al/min = Basal Metabolic Energy (al/min Basal Metabolic Energy (BME adalah energi basal yang dieluaran manusia setiap menitnya untu melauan ativitas ungsi organ tubuhnya. Nilai BME itu euivalen dengan nilai VO 2 (ml/min dan nilai VO 2 itu sendiri dipengaruhi oleh luas permuaan tubuh (A setiap manusia dan enis elamin. Persamaan untu menghitung luas permuaan tubuh yaitu: A = h. w (6 Dimana: A = Luas Permuaan Tubuh (m 2 h = Tinggi Tubuh (cm w = Berat Tubuh (g Untu meperoleh nilai VO 2 dapat digunaan tabel onversi yang tersedia pada Tabel 5. Menurut Sanders (1993, secara umum onsumsi 1 liter osigen euivalen dengan onsumsi tenaga sebesar 5 al. Karena berat badan seseorang mempengaruhi beban era yang diterima, maa untu mengetahui nilai beban era yang sebenarnya (WEC yang diterima oleh operator pada saat melauan era maa pengaruh berat badan harus ditiadaan. Untu mendapatan nilai WEC (Wor Energy Cost per Weight digunaan persamaan dibawah ini:

8 29 /... (7 Dimana: WEC WEC w = Wor Energy Cost per Weight (al/g.menit = Wor Energy Cost (al/menit = Berat Badan (g Tabel 5 Tabel onversi BME euivalen dengan VO 2 berdasaran luas permuaan tubuh 1/100 m catatan : untu perempuan nilai VO 2 harus dialian 0.95 Untu mengetahui nilai tingat beban era dapat diperoleh dengan membandingan nilai IRHR saat era dengan Tabel 6 untu mengetahui tingat beban era tersebut. (Syuaib Beriut atagori peeraan berdasaran IRHR Tabel 6 Katagori peeraan berdasaran IRHR Katagori Nilai IRHR Ringan 1.00 <IRHR< 1.25 Sedang 1.25 <IRHR< 1.50 Berat 1.50 <IRHR< 1.75 Sangat Berat 1.75 <IRHR< 2.00 Luar Biasa Berat 2.00 < IRHR Berdasaran eputusan Menteri Tenaga Kera (KEP.51/MEN/1999, beban era diatagorian berdasaran ebutuhan alori menadi tiga tingatan yaitu: 1 Beban era ringan membutuhan alori al/am 2 Beban era sedang membutuhan alori > al/am 3 Beban era berat membutuhan alori > al/am

9 Penguuran Maro Ergonomi Penguuran maro ergonomi dengan cara: 1 Inventarisasi asilitas umum yang tersedia antara lain perumahan, transportasi, lini esehatan, seolah, tempat ibadah, asilitas olah raga, asilitas rereasi, aminan ecelaaan era, aminan hari tua, dll 2 Kuisioner persepsi aryawan terhadap lingungan organisasi (Lampiran Pemodelan Sistem Untu melihat pengaruh dan prilau dari setiap parameter terhadap tingat produtivitas sistem era di pabri gula dilauan dengan menggunaan model Jaringan Syara Tiruan (JST yang ditampilan pada Gambar 6. Model JST yang diembangan terdiri dari dua model yaitu model JST I dan model JST II dengan masuan (input data dari aspe miro dan maro ergonomi dalam tiga shit era yang diberlauan dalam proses produsi gula dengan eluaran (output berupa model JST produtivitas sistem era di pabri gula (ton cane/shit. PABRIK GULA SHIFT KERJA SHIFT KERJA PAGI SHIFT KERJA SIANG SHIFT KERJA MALAM ASPEK ERGONOMI: 1. MIKRO - KEBISINGAN - GETARAN - SUHU - KELEMBABAN - PENCAHAYAAN - BEBAN KERJA 2. MAKRO - FASILITAS UMUM YANG TERSEDIA - PERSEPSI KARYAWAN TERHADAP LINGKUNGAN FISIK DAN LINGKUNGAN ORGANISASI ASPEK ERGONOMI: 1. MIKRO - KEBISINGAN - GETARAN - SUHU - KELEMBABAN - PENCAHAYAAN - BEBAN KERJA 2. MAKRO - FASILITAS UMUM YANG TERSEDIA - PERSEPSI KARYAWAN TERHADAP LINGKUNGAN FISIK DAN LINGKUNGAN ORGANISASI ASPEK ERGONOMI: 1. MIKRO - KEBISINGAN - GETARAN - SUHU - KELEMBABAN - PENCAHAYAAN - BEBAN KERJA 2. MAKRO - FASILITAS UMUM YANG TERSEDIA - PERSEPSI KARYAWAN TERHADAP LINGKUNGAN FISIK DAN LINGKUNGAN ORGANISASI MODEL JST I dan MODEL JST II MODEL JST PRODUKTIVITAS SISTEM KERJA DI PABRIK GULA Gambar 6 Sema pemodelan dengan Jaringan Syara Tiruan

10 31 Lapisan eluaran dibuat berdasaran nilai penguuran ergonomi miro dan maro yang menghasilan produtivitas era, dengan rangaian model dengan menggunaan dua tahap JST dengan masing-masing terdiri dari tiga lapisan atau multi layer. Tahap I (Gambar 7: 1 Lapisan masuan menggunaan parameter ergonomi miro dan parameter ergonomi maro 2 Lapisan tersembunyi, sebagai lapisan pemrosesan atau pembanding antara lapisan masuan dan lapisan eluaran yang menghasilan nilai pembobot diantara lapisan-lapisan tersebut 3 Lapisan eluaran terdiri dari 3 unit eluaran yaitu elelahan, ecelaan era, dan beban era KEBISINGAN GETARAN KELELAHAN SUHU KELEMBABAN KECELAKAAN KERJA PENCAHAYAAN LINGKUANGAN ORGANISASI BEBAN KERJA Gambar 7 Model JST tahap I yang diembangan pada tiap shit era Tahap II (Gambar 8: 1 Lapisan masuan menggunaan parameter ergonomi hasil JST tahap I 2 Lapisan tersembunyi, sebagai lapisan pemrosesan atau pembanding antara lapisan masuan dan lapisan eluaran yang menghasilan nilai pembobot diantara lapisan-lapisan tersebut 3 Lapisan eluaran terdiri dari 1 unit eluaran yaitu produtivitas sistem era pabri gula

11 32 Gambar 8 Model JST tahap II yang diembangan pada tiap shit era Dari model yang diembangan memunginan untu mengetahui dan menganalisa pengaruh masing-masing parameter input (ergonomi miro dan ergonomi maro pada setiap shit era terhadap produtivitas sistem era pada pabri gula Proses Pembelaaran Model JST Data sampel hasil penguuran digunaan sebagai bahan pada proses pembelaaran (training, dengan menggunaan metode bac propagation (Siang J.J Input pada lapisan masuan merupaan input bagi lapisan tersembunyi = i H V x i i, = 1, 2,...h... (8 K Dimana: H I H M I = W y, = 1,2,...m... (9 i = input pada lapisan tersembunyi node = input pada lapisan eluaran (output node = umlah node pada lapisan tersembunyi = umlah node pada lapisan eluaran (output

12 33 Gambar 9 Ilustrasi pembelaaran bacpropagation - Perhitungan nilai output node pada lapisan tersembunyi dan output node pada lapisan eluaran dengan persamaan beriut: ( H y =, = 1,2, (10 ( I z =, = 1,2,...m... (11 Sehingga persamaan eluaran output pada lapisan eluaran e dengan masuan nilai input x adalah: = = = ( ( x H W y W I z = i i i x V W... (12 ungsi ( yang digunaan pada proses pembelaaran merupaan ungsi ativasi log-sigmoid: ( 1 1 ( H e H β + =... (13 ( 1 1 ( I e I β + =... (14

13 34 - Prinsip bacpropagation adalah mengoptimalan nilai ungsi dengan memperecil nilai galat (error hingga mencapai minimum global, melalui perbaian nilai pembobot dengan membandingan nilai output aringan dengan nilai target yang diberian dengan menggunaan persamaan umlah uadrat galat: p p ( t 2 z E = 1... (15 2 dimana: t = target dan z = eluaran JST - Perbaian nilai pembobot dilauan untu memperecil nilai galat dengan menggunaan metode delta rule: W = ηδ y... (16 dimana: η = onstanta lau pembelaaran W = perubahan nilai pembobot W δ = galat output e y i = ungsi log-sigmoid V = ηδ x... (17 i Dari persamaan-persamaan diatas maa nilai pembobot dapat dirumusan melalui persamaan beriut: W V baru baru i lama lama ' = W + W = W + η y ( t z ( I... (18 lama lama = V i + V i = V i + η x '( H δ W... (19 - Semua proses diatas dilauan secara berulang-ulang melalui pemberian nilai input-output, proses ativasi dan perubahan nilai pembobot. Kinera aringan dievaluasi melalui nilai Mean Square Error (MSE, hal ini untu melihat tingat etelitian model yang telah dibangun. ( Y T MSError = n dimana : Y = nilai predisi aringan T n 2... (20 = nilai target yang diberian pada aringan = umlah contoh data pada set validasi

14 Veriiasi dan Validasi model JST Veriiasi model dilauan untu melihat hasil etelitian pada proses pembelaaran (training JST, sedangan validasi model dilauan sebagai penguian etepatan (aurasi predisi JST untu memberian awaban yang benar melalui pemberian sampel data baru di luar data yang digunaan pada proses pembelaaran. Veriiasi dan aurasi model dirumusan sebagai nilai R 2 (oeesien determinasi yang berada pada selang 0 1, dimana nilainya aan semain meningat dengan semain bai tingat aurasinya.

Pengambilan Data dan Analisis

Pengambilan 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 terperinci

BAB 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 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 terperinci

Pemodelan Faktor Ergonomi terhadap Produktivitas Kerja Pengolahan Tanah dengan Jaringan Syaraf Tiruan

Pemodelan Faktor Ergonomi terhadap Produktivitas Kerja Pengolahan Tanah dengan Jaringan Syaraf Tiruan Pemodelan Fator Ergonomi terhadap Produtivitas Kera Pengolahan Tanah dengan Jaringan Syaraf Tiruan (Modeling of Ergonomic Factors on Woring Productivity in Soil Tillage with Artificial Neural Networ) Arief

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN III. METODE PENELITIAN 3.1. WAKTU DAN LOKASI PENELITIAN Penelitian ini dilakukan pada bulan Juli hingga bulan Oktober 2010 yang berlokasi di areal persawahan Kecamatan Dramaga, Kabupaten Bogor, Jawa Barat.

Lebih terperinci

III. METODOLOGI A. Tempat dan Waktu B. Peralatan dan Perlengkapan

III. METODOLOGI A. Tempat dan Waktu B. Peralatan dan Perlengkapan III. METODOLOGI A. Tempat dan Waktu Pengambilan data untuk penelitian ini dilakukan di lahan kering Leuwikopo, Bogor. Pengambilan data penelitian dimulai tanggal 29 April 2009 sampai 10 Juni 2009. B. Peralatan

Lebih terperinci

Prosiding Seminar Nasional Mekanisasi Pertanian 2010 ISBN :

Prosiding Seminar Nasional Mekanisasi Pertanian 2010 ISBN : Prosiding Seminar Nasional Mekanisasi Pertanian 2010 ISBN : 978-979-95196-5-8 PERANCANGAN MODEL FAKTOR ERGONOMI MAKRO TERHADAP PRODUKTIVITAS SISTEM KERJA PADA PABRIK GULA SCHEME MODEL THE MACRO ERGONOMICS

Lebih terperinci

PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION

PREDIKSI 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 terperinci

ISSN: TEKNOMATIKA Vol.1, No.2, JANUARI

ISSN: 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 terperinci

3 METODE PENELITIAN 3.1 Tempat dan Waktu

3 METODE PENELITIAN 3.1 Tempat dan Waktu 3 METODE PENELITIAN 3.1 Tempat dan Waktu Ide penelitian dimulai dengan kunjungan pada 2 industri gula nasional baik swasta maupun perusahaan milik pemerintah, yaitu di PT. Gula Putih Mataram (PT GPM) dan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

METODE PENELITIAN A. WAKTU DAN LOKASI PENELITIAN B. ALAT DAN PERLENGKAPAN

METODE PENELITIAN A. WAKTU DAN LOKASI PENELITIAN B. ALAT DAN PERLENGKAPAN III. METODE PENELITIAN A. WAKTU DAN LOKASI PENELITIAN Kegiatan penelitian ini dilaksanakan mulai bulan November 2010 sampai dengan Januari 2011 di Areal Pesawahan di Desa Cibeureum, Kecamatan Darmaga,

Lebih terperinci

III. METODOLOGI PENELITIAN

III. 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 terperinci

Sistem Peramalan Jumlah Produksi Air PDAM Samarinda Menggunakan Jaringan Syaraf Tiruan Backpropagation

Sistem 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 terperinci

PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

PENGENDALIAN 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 terperinci

PENENTUAN 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 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 terperinci

PENDETEKSIAN GERAK TANGAN MANUSIA SEBAGAI INPUT PADA KOMPUTER

PENDETEKSIAN 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 terperinci

METODOLOGI IV. 4.1 Deskripsi Kegiatan. 4.2 Metode Kerja Aspek Umun

METODOLOGI IV. 4.1 Deskripsi Kegiatan. 4.2 Metode Kerja Aspek Umun IV. METODOLOGI 4.1 Deskripsi Kegiatan Kegiatan magang dilakukan di PT. TMMIN selama 4 bulan, dimulai dari tanggal 21 Maret 2011 sampai dengan 20 Juli 2010. Waktu pelaksanaannya mengikuti jam kerja karyawan,

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 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 terperinci

KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE

KLASIFIKASI 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 terperinci

JARINGAN SARAF TIRUAN PROPAGASI BALIK UNTUK KLASIFIKASI DATA

JARINGAN 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 terperinci

Analisa Drop Tegangan dan Susut Daya pada Jaringan Listrik Penyulang Renon Menggunakan Metode Artificial Neural Network

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 terperinci

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS

ANALISIS 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 terperinci

Sistem Pendukung Keputusan Penerima Beasiswa SMK Menggunakan Metode Backpropagation

Sistem Pendukung Keputusan Penerima Beasiswa SMK Menggunakan Metode Backpropagation 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

Lebih terperinci

METODE PENELITIAN. Tahapan penelitian disajikan pada gambar dibawah ini. Mulai. Identifikasi masalah

METODE PENELITIAN. Tahapan penelitian disajikan pada gambar dibawah ini. Mulai. Identifikasi masalah III. METODE PENELITIAN A. Waktu dan Tempat Penelitian Kegiatan penelitian ini dilaksanakan mulai bulan Desember 2010 sampai dengan Maret 2011 di Bengkel Daud Teknik, Cibereum, Bogor. B. Tahapan Penelitian

Lebih terperinci

. II. TINJAUAN PUSTAKA

. II. TINJAUAN PUSTAKA . II. TINJAUAN PUSTAKA A. Pengolahan Tanah Pengolahan tanah adalah suatu usaha untuk memperbaiki dan meningkatkan produktivitas tanah dengan memecah partikel menjadi lebih kecil sehingga memudahkan akar

Lebih terperinci

ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)

ANALISIS 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 terperinci

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika

khazanah 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 terperinci

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika

khazanah 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 terperinci

BAHAN DAN METODE Waktu, Tempat dan Tahapan Penelitian

BAHAN DAN METODE Waktu, Tempat dan Tahapan Penelitian 36 BAHAN DAN METODE Watu, Tempat dan Tahapan Penelitian Penelitian dilasanaan seitar awal bulan Januari 2004 hingga bulan Maret 2005, dengan loasi utama di Laboratorium Karet Balai Penelitian Tenologi

Lebih terperinci

MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM

MODEL 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 terperinci

Optimasi Non-Linier. Metode Numeris

Optimasi 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 terperinci

APLIKASI 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 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 terperinci

KENDALI LOGIKA FUZZY DENGAN METODA DEFUZZIFIKASI CENTER OF AREA DAN MEAN OF MAXIMA. Thiang, Resmana, Wahyudi

KENDALI LOGIKA FUZZY DENGAN METODA DEFUZZIFIKASI CENTER OF AREA DAN MEAN OF MAXIMA. Thiang, Resmana, Wahyudi KENDALI LOGIKA FUZZY DENGAN METODA DEFUZZIFIKASI CENTER OF AREA DAN MEAN OF MAXIMA Thiang, Resmana, Wahyudi Jurusan Teni Eletro, Universitas Kristen Petra Jl. Siwalanerto 121-131 Surabaya Email : thiang@petra.ac.id,

Lebih terperinci

PENGENALAN KARAKTER TULISAN TANGAN DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK RESILIENT

PENGENALAN 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 terperinci

1. Pendahuluan Jaringan syaraf tiruan ( Artificial Neural Networ ) adalah suatu tenologi omputasi yang berbasis pada model syaraf biologis dan mencoba

1. 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 terperinci

BAB II TINJAUAN PUSTAKA

BAB 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 terperinci

Neural Network menyerupai otak manusia dalam dua hal, yaitu:

Neural 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 terperinci

Dany Candra Febrianto ) dan Hindayati Mustafidah )

Dany 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 terperinci

Sistem Informasi Peramalan Beban Listrik Jangka Panjang di Kabupaten Jember Menggunakan JST Backpropagation

Sistem 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 terperinci

Model Pembelajaran Off-Line Menggunakan Jaringan Syaraf Tiruan Untuk Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teknik Elektronika PENS 2009

Model 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 terperinci

BAB 3 LANGKAH PEMECAHAN MASALAH

BAB 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 terperinci

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

II. DASAR TEORI I. PENDAHULUAN

II. 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 terperinci

TEKNIK PERAMALAN TINGKAT PENJUALAN DENGAN JARINGAN SYARAF TIRUAN

TEKNIK 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 terperinci

ANALISIS 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 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 terperinci

BAB III METODE SCHNABEL

BAB 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 terperinci

HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN IV. HASIL DAN PEMBAHASAN A. Spesifikasi Cultivator Mesin pertanian yang digunakan adalah cultivator Yanmar tipe Te 550 n. Daya rata - rata motor penggerak bensin pada cultivator ini sebesar 3.5 hp (putaran

Lebih terperinci

ARSITEKTUR DAN ALGORITMA JST UNTUK MENDUKUNG PREDIKSI GANGGUAN GEOMAGNET

ARSITEKTUR 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 terperinci

PENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB

PENGENALAN 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 terperinci

Makalah Seminar Tugas Akhir

Makalah 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 terperinci

Analisis Beban Kerja pada Proses Penggilingan Padi, Studi Komparasi antara Penggilingan Padi Skala Kecil dan Besar

Analisis Beban Kerja pada Proses Penggilingan Padi, Studi Komparasi antara Penggilingan Padi Skala Kecil dan Besar Analisis Beban Kerja pada Proses Penggilingan Padi, Studi Komparasi antara Penggilingan Padi Skala Kecil dan Besar 1) Atiqotun Fitriyah, 2) Sam Herodian 1), 2) Laboratorium Ergonomika, Departeman Teknik

Lebih terperinci

BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA

BAB 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 terperinci

APLIKASI ARTIFICIAL NEURAL NETWORK UNTUK PERAMALAN ALIRAN SUNGAI BLEGA ABSTRACT

APLIKASI 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 terperinci

ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT

ANALISA 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 terperinci

SISTEM 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 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 terperinci

PERANCANGAN MODEL FAKTOR ERGONOMI MAKRO TERHADAP PRODUKTIVITAS SISTEM KERJA PADA PABRIK GULA FARRY APRILIANO HASKARI

PERANCANGAN MODEL FAKTOR ERGONOMI MAKRO TERHADAP PRODUKTIVITAS SISTEM KERJA PADA PABRIK GULA FARRY APRILIANO HASKARI PERANCANGAN MODEL FAKTOR ERGONOMI MAKRO TERHADAP PRODUKTIVITAS SISTEM KERJA PADA PABRIK GULA FARRY APRILIANO HASKARI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 ii PERNYATAAN MENGENAI TESIS

Lebih terperinci

STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT

STUDI 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 terperinci

SISTEM PENGENALAN WAJAH DENGAN MENGGUNAKAN BACKPROPAGATION ARTIFICIAL NEURAL NETWORK DAN PRINCIPAL COMPONENT ANALYSIS

SISTEM 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 terperinci

BAB III METODE PENELITIAN (BAHAN DAN METODE)

BAB III METODE PENELITIAN (BAHAN DAN METODE) BAB III METODE PENELITIAN (BAHAN DAN METODE) Tahapan-tahapan pengerjaan yang dilauan dalam penelitian ini adalah sebagai beriut : 1. Tahap Persiapan Penelitian Pada tahapan ini aan dilauan studi literatur

Lebih terperinci

II. TINJAUAN PUSTAKA

II. TINJAUAN PUSTAKA II. TINJAUAN PUSTAKA 2.1 Trator Roda Dua Pengolahan lahan pertanian dengan menggunaan meanisasi yang moderen yaitu trator, bai yang roda empat dan roda dua atau lebih dienal dengan sebutan trator tangan.

Lebih terperinci

BAB III METODE PENELITIAN (BAHAN DAN METODE)

BAB III METODE PENELITIAN (BAHAN DAN METODE) BAB III METODE PENELITIAN (BAHAN DAN METODE) Tahapan-tahapan pengerjaan yang dilauan dalam penelitian ini adalah sebagai beriut : 1. Tahap Persiapan Penelitian Pada tahapan ini aan dilauan studi literatur

Lebih terperinci

PERAMALAN CURAH HUJAN WILAYAH SEMARANG BARAT DENGAN ALGORITMA RESILIENT BACKPROPAGATION

PERAMALAN 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 terperinci

III DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT

III 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

PENENTUAN FAKTOR KALIBRASI ACCELEROMETER MMA7260Q PADA KETIGA SUMBU

PENENTUAN 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 terperinci

BAB II PENGENALAN WAJAH

BAB 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 terperinci

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak

SISTEM 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 terperinci

BAB II LANDASAN TEORI. Proses utama dari pengenalan karakter adalah menerima karakter input dan

BAB II LANDASAN TEORI. Proses utama dari pengenalan karakter adalah menerima karakter input dan BAB II LANDASAN TEORI 2.1 Pengenalan Teori Proses utama dari pengenalan arater adalah menerima arater input dan memerisa apaah hasil input tersebut sesuai dengan salah satu arater yang ada. Bagian yang

Lebih terperinci

KAJIAN PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE FACE-ARG DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

KAJIAN 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 terperinci

PREDIKSI KELULUSAN MAHASISWA DENGAN JARINGAN SYARAF TIRUAN

PREDIKSI 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 terperinci

BAB V ALGORITMA PEMBELAJARAN DALAM JARINGAN SYARAF TIRUAN

BAB 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 terperinci

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER

SISTEM 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 terperinci

BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN

BAB 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 terperinci

APLIKASI 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 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 terperinci

MAKALAH SEMINAR TUGAS AKHIR

MAKALAH 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 terperinci

PENGENALAN TEKS BRAILLE BERBASIS JARINGAN SYARAF TIRUAN FEEDFORWARD MULTILAYER DENGAN MENGGUNAKAN METODE BACK PROPAGATION

PENGENALAN 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 terperinci

PENGEMBANGAN 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) 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 terperinci

APLIKASI 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 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 terperinci

AKURASI MODEL PREDIKSI METODE BACKPROPAGATION MENGGUNAKAN KOMBINASI HIDDEN NEURON DENGAN ALPHA

AKURASI 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 terperinci

Perbandingan Antara Algoritma Penghapusan Bising Adaptif LMS dan Adaptif RLS dalam Penghapusan Bising Kendaraan

Perbandingan Antara Algoritma Penghapusan Bising Adaptif LMS dan Adaptif RLS dalam Penghapusan Bising Kendaraan Perbandingan Antara Algoritma Penghapusan Bising Adaptif LMS dan Adaptif RLS dalam Penghapusan Bising Kendaraan Sri Arttini Dwi Prasetyowati 1), Adhi Susanto ), homas Sriwidodo ), Jazi Eo Istiyanto 3)

Lebih terperinci

Prediksi Jumlah Kasus Demam Berdarah Dengue Menggunakan Jaringan Syaraf Tiruan (Studi Kasus daerah Kab. Sleman, Provinsi DIY)

Prediksi 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Estimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga

Estimasi 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 terperinci

APLIKASI WAVELET RECURRENT NEURAL NETWORK UNTUK PREDIKSI DATA TIME SERIES. : Agus Sumarno NRP :

APLIKASI 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 terperinci

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway

Penentuan 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 terperinci

STUDI KOMPARASI IMPLEMENTASI JARINGAN BASIS RADIAL DAN FUZZY INFERENCE SYSTEM TSK UNTUK PENYELESAIAN CURVE FITTING

STUDI 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 terperinci

METODOLOGI PENELITIAN

METODOLOGI PENELITIAN 29 METODOLOGI PENELITIAN Waktu dan Lokasi Penelitian Penelitian dilakukan pada bulan Maret Juni 2009 di lahan petani, Kelurahan Situgede, Kecamatan Bogor Barat, Kota Bogor, Jawa Barat. Peralatan dan Instrumen

Lebih terperinci

BAB 4 DISAIN MODEL. Pengguna. Citra. Ekstraksi Ciri x. Antar muka (Interface) Data Hasil Ekstraksi Ciri. Testing dan Identifikasi.

BAB 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 terperinci

TEORI KINETIKA REAKSI KIMIA

TEORI KINETIKA REAKSI KIMIA TORI KINTIK RKSI KII da (dua) pendeatan teoreti untu menjelasan ecepatan reasi, yaitu: () Teori tumbuan (collision theory) () Teori eadaan transisi (transition-state theory) atau teori omples atif atau

Lebih terperinci

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK

PENYELESAIAN 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 terperinci

PENGEMBANGAN MODEL JARINGAN SYARAF TIRUAN RESILIENT BACKPROPAGATION UNTUK IDENTIFIKASI PEMBICARA DENGAN PRAPROSES MFCC. Oleh:

PENGEMBANGAN 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 terperinci

Kata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan

Kata 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 terperinci

SATUAN ACARA PERKULIAHAN ( SAP )

SATUAN ACARA PERKULIAHAN ( SAP ) SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Watu : 1x 3x 50 Menit Pertemuan : 7 A. Kompetensi 1. Utama Mahasiswa dapat memahami tentang sistem

Lebih terperinci

Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman

Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (16) 337-35 (31-98X Print) A-1 Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunaan ARIMA-Filter Kalman dan VAR-Filter Kalman Popy Febritasari, Erna Apriliani

Lebih terperinci

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI

PENYELESAIAN 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 terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 ObjePenelitian Obje penelitian merupaan hal yang tida dapat dipisahan dari suatu penelitian. Obje penelitian merupaan sumber diperolehnya data dari penelitian yang dilauan.

Lebih terperinci

Implementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf

Implementasi 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 terperinci

ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoko Sumaryono ABSTRACT

ADAPTIVE 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 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 terperinci