III METODE PENELITIAN
|
|
- Yohanes Sumadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 III METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian Penelitian ini dilakukan di Waduk Ir. H. Djuanda dan Laboratorium Akustik Fakultas Perikanan dan Ilmu Kelautan IPB Bogor. Kegiatan penelitian ini terbagi atas pengumpulan data, pengolahan data dan pelaporan hasil kegiatan. 3.2 Bahan dan Alat Bahan dan alat yang digunakan dalam penelitian ini adalah : a) Scientific Echosounder Simrad EY-60 frekuensi 120 khz (ES120-7C) b) Jaring berbentuk kerucut dengan diameter alas 1 meter dan tinggi 5 meter. Bahan jaring terbuat dari PVC (polyvinylchoride) dengan ukuran mata jaring 0,5 cm, sehingga diupayakan ikan tidak merasa stress selama masa pengambilan data. c) Ikan air tawar yaitu ikan nila (O. niloticus), ikan mas (C. caprio), dan ikan patin (P. hypothalmus). 3.3 Data Akustik Pengambilan Data Akustik Pengambilan data akustik pada ikan air tawar dilakukan secara in situ dengan metode pengukuran aspek dorsal (vertical fixed beaming), dimana ikan ditempatkan pada jaring (net cage) yang telah dimodifikasi agar tingkat stress ikan dapat dikurangi akibat terbatasnya ruang gerak. Pengambilan data akustik untuk tiap jenis ikan sebanyak 5 ekor dengan panjang yang berbeda berlangsung 2 sampai 3 hari/jenis ikan atau setara memperoleh kurang lebih pola kawanan yang terdeteksi oleh akustik (Lampiran 1). Setelah itu, ikan diukur panjang total (TL) dan berat untuk setiap ukuran untuk memperoleh hubungan panjang-beratnya. Selain itu diukur pula lebar penampang dorsal (B) dari masingmasing ikan yang diuji (Gambar 7). Untuk memperoleh data hubungan bentuk gelembung renang (swimbladder) ikan dengan nilai backscattering (σ bs ) maka dilakukan pengambilan foto rontgen ikan (foto X-Ray).
2 24 Gambar 7. Penampang lateral dan dorsal ikan Pengambilan data akustik dilakukan dengan menggunakan alat scientific echosounder SIMRAD EY-60 split beam dengan frekuensi tranducer 120 khz (ES120-7C) yang memiliki sudut tranmisi (half beam width) 7 o dan dioperasikan dengan pulse duration ms. Jaring ikan ditenggelamkan sedalam kurang lebih 5 meter, dan posisi tranducer ditempatkan 0.5 meter di bawah permukaan air (Gambar 8). Pengaturan parameter akustik selama pengambilan data tertera pada Tabel 1. Tabel 1. Pengaturan parameter untuk pengoperasian Simrad EY60 Parameter Frequency Pulse Duration Power transmit SV threshold TS threshold Echogram Nilai 120 KHz ms 50 watt -70 db -80 db TVG = 40 log R
3 Gambar 8. Letak dan Posisi Alat Penelitian 25
4 Pemrosesan Data Akustik Sinyal akustik yang terekam dalam echogram selanjutnya diolah untuk mengubah raw data dengan perangkat lunak Echoview 4.8. Data yang dihasilkan dari pemrosesan data berupa matriks data akustik (MDA) yang terdiri dari matriks data target strength dan backscaterring volume (Sv). Selanjutnya setiap file memuat MDA dianalisis dengan menggunakan deskriptor akustik yang dikembangkan untuk identifikasi spesies dari modifikasi rumusan Charef et al. (2010) seperti tertera pada Tabel 2. Tabel 2. Deksriptor akustik menurut Charef et al. (2010) yang telah dimodifikasi Deskriptor akustik Energetik Sv (db) TS (db) Sa (db) Formula Hitungan 10 log 10 σ sv σ sv = volume backscattering coefficients 10 log 10 σ bs σ bs = backscattering cross section 10 log 10 σ bs ΨR 2 Sa = area backscattering strength, Ψ = equivalent beam angle (steradians), R = range (m) Skewness K 3 dimana K (E SD ) 2 3 = n i (E i E n ) 3 jika n=3; 0 jika n<3 n 1 (n 2) E i = Energi akustik sampel ke-i, E n = Energi akustik sampel ke-n, E SD = Standar deviasi energi akustik Kurtosis n(n + 1) n 1 n 2 (n 3) i E i E n E SD 4 3 n 1 2 n 2 (n 3) Morfometrik Tinggi (m) Bathymetrik Kedalaman (m) Tinggi terli hat = Vertikal ak hir Vertikal awal cγ Tinggi nyata = Tinggi terli hat 2 c = Kecepatan suara di air (m/s), γ = panjang pulsa (ms) n D i i=1 ; n Di = Kedalaman pada sampel i, n = Σ sampel Ketinggian Relatif (m) Ketinggian minimum + (Tinggi maksimum /2) 100 Kedalaman
5 27 Gambar 9. Skema Pengukuran Deskriptor Akustik Analisis Nilai Deskriptor Akustik Analisis data statistik digunakan untuk mencari keeratan hubungan antar parameter deskriptor akustik dengan Analisis Faktor, mengelompokkan sampel ikan dengan nilai deskriptor akustik berdasarkan ukuran kemiripan (simmilarity) atau ketakmiripan (dissimilarity) dengan Analisis gerombol (Clusterring Analysis), dan Analisis Diskriminan (Discriminant Factor Analysis) unuk mengelompokkan individu ke dalam suatu obyek kelas berdasarkan sekumpulan peubah-peubah bebas (Fauziyah, 2005). Hasil analisis parameter deskriptor akustik menjadi pembanding dengan hasil yang diperoleh dari aplikasi JST Backpropagation dan MLP. Berdasarkan rekomendasi hasil penelitian Muhiddin (2007) aplikasi JSTB berbasis data deskriptor akustik disarankan untuk menguji terlebih dahulu nilai deskriptor yang diperoleh secara statistik agar dalam tingkat pembelajaran JST diperoleh hasil yang optimal parameter deskriptor yang signifikan dapat membedakan antara jenis ikan yang diuji cobakan.
6 Jaringan Saraf Tiruan Arsitektur JST JST yang dipakai dalam penelitian ini yaitu tipe JSTB dengan 1 lapisan tersembunyi dengan 8 unit masukan, 1 lapisan tersembunyi, dan 3 unit keluaran. JSTB dipakai menggunakan model JST-PR (Pattern Recognition) dengan metode pelatihan scale conjugate gradient. Apabila jaringan telah memahami pola yang diberikan maka JST menguji keseluruhan data nilai deskriptor akustik yang diberikan. Proporsi perbandingan antara jumlah sampel pembelajaran dan sampel uji sebesar 70 : 30. Adapun JST MLP yang digunakan dalam penelitian ini menggunakan 8 unit masukan, 4 unit tersembunyi dan 3 unit keluaran. JST MLP menggunakan aturan pembelajaran terbimbing untuk pembanding hasil yang diperoleh dari arsitektur JST Backpropagation Rancangan Awal dan Pelatihan JST Nilai deskriptor akustik yang diperoleh masih dalam bentuk riil, oleh karena itu perlu dilakukan konversi nilai-nilai deskriptor akustik yang diperoleh dari bilangan riil menjadi bilangan biner atau bipolar. Formula untuk merubah bilangan riil menjadi bilangan biner/bipolar dalam JST dilakukan dengan rumus transformasi linier : x = b a (x a) b a + a (20) dimana, x' = bilangan biner/bipolar x = bilangan riil a = data minimum b = data maksimum Untuk menjalankan JSTB, mula-mula dilakukan penghitungan unit masukan keseluruhan yang sudah diboboti dengan bias. Setelah itu nilai tersebut diaktivasi dengan fungsi sigmoid biner dan bipolar agar dapat terkirim pada lapisan diatasnya (feed forward ). Apabila galat yang diperoleh masih besar dari learning rate, maka dilakukan backpropagation untuk merubah bobot sehingga pada setiap lapisan diperoleh hasil yang diharapkan.
7 29 Gambar 10. Rancangan Awal Arsitektur Backpropagation Pada pelatihan JST MLP, iterasi terus dilakukan untuk semua data uji sampai diperoleh bobot dimana nilai keluaran sama dengan nilai target yang ditentukan, selanjutnya nilai bobot yang diperoleh digunakan untuk menguji data secara keseluruhan. Gambar 11. Rancangan Awal Arsitektur MLP Rancangan Akhir dan Pelatihan JST Apabila telah diperoleh hasil pelatihan JST dalam rancangan awal, maka nilai bobot baru untuk setiap lapisan dirubah menjadi nilai bobot yang sama dengan hasil dari perancangan awal. Setelah itu hasil dari masing-masing
8 30 arsitektur JST dibandingan dengan hasil perhitungan nilai deskriptor secara analitik (statistik). Gambar 12. Diagram alir metode penelitian
3. METODE PENELITIAN
3. METODE PENELITIAN 3.1. Lokasi dan Waktu Penelitian Penelitian ini merupakan lanjutan yang dilakukan dari bulan Juli sampai bulan Agustus menggunakan data hasil olahan dalam bentuk format *raw.dg yang
Lebih terperinciHASIL DAN PEMBAHASAN 4.1 Pengambilan data akustik ikan
IV HASIL DAN PEMBAHASAN 4.1 Pengambilan data akustik ikan Data akustik yang dikumpulkan dalam penelitian ini meliputi 3 (tiga) jenis ikan yaitu ikan mas, nila dan patin masing-masing sebanyak 5 ekor. Pengambilan
Lebih terperinciI PENDAHULUAN 1.1. Latar belakang
I PENDAHULUAN 1.1. Latar belakang Perairan umum daratan Indonesia memiliki keanekaragaman jenis ikan yang tinggi, sehingga tercatat sebagai salah satu perairan dengan mega biodiversity di Indonesia. Komisi
Lebih terperinci3. METODOLOGI PENELITIAN
3. METODOLOGI PENELITIAN 3.1 Waktu dan Lokasi Penelitian Penelitian ini dilakukan pada bulan Maret September 2011 dengan menggunakan data berupa data echogram dimana pengambilan data secara in situ dilakukan
Lebih terperinciGambar 8. Lokasi penelitian
3. METODOLOGI PENELITIAN 3.1 Waktu dan lokasi penelitian Penelitian ini dilaksanakan pada tanggal 30 Januari-3 Februari 2011 yang di perairan Pulau Gosong, Pulau Semak Daun dan Pulau Panggang, Kabupaten
Lebih terperinciCitra akustik Ikan Uji. Matriks Data Akustik. Hitungan Deskriptor. 15 Desk. teridentifikasi. 8 Desk. utama. Rancangan awal JSTPB JSTPB1
3 METODOLOGI Secara garis besar metode penelitian dalam disertasi ini berkaitan dengan permasalahan identifikasi kawanan ikan secara hidroakustik yang berkaitan dengan pengukuran dan pemrosesan data hidroakustik,
Lebih terperinci3. METODOLOGI PENELITIAN
17 3. METODOLOGI PENELITIAN 3.1. Waktu dan Lokasi Penelitian Penelitian ini dilakukan pada bulan Februari sampai Juni 211, sedangkan survei data dilakukan oleh pihak Balai Riset Perikanan Laut (BRPL) Departemen
Lebih terperinci3 METODOLOGI PENELITIAN
3 METODOLOGI PENELITIAN 3.1 Waktu dan Lokasi Penelitian Penelitian ini dilaksanakan dari bulan Desember 2010 Juli 2011 yang meliputi tahapan persiapan, pengukuran data lapangan, pengolahan dan analisis
Lebih terperinci3. METODE PENELITIAN. Penelitian ini dilakukan pada koordinat 5º - 8 º LS dan 133 º º BT
3. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada koordinat 5º - 8 º LS dan 133 º - 138 º BT (Gambar 2), pada bulan November 2006 di Perairan Laut Arafura, dengan kedalaman
Lebih terperinci3 METODOLOGI PENELITIAN
3 METODOLOGI PENELITIAN 3.1 Waktu dan Lokasi Penelitian Waktu penelitian dimulai pada tanggal 20 Januari 2011 dan menggunakan data hasil survei Balai Riset Perikanan Laut (BRPL). Survei ini dilakukan mulai
Lebih terperinci3 METODE PENELITIAN 3.1 Waktu dan Lokasi Penelitian 3.2 Kapal Survei dan Instrumen Penelitian
3 METODE PENELITIAN 3.1 Waktu dan Lokasi Penelitian Penelitian ini merupakan bagian dari Ekspedisi Selat Makassar 2003 yang diperuntukkan bagi Program Census of Marine Life (CoML) yang dilaksanakan oleh
Lebih terperinciMETODE PENELITIAN. Tabel 2 Alat dan bahan yang digunakan dalam penelitian. No. Alat dan Bahan Type/Sumber Kegunaan.
METODE PENELITIAN Waktu dan Lokasi Penelitian Pengambilan data lapang dilakukan pada tanggal 16-18 Mei 2008 di perairan gugusan pulau Pari, Kepulauan Seribu, Jakarta (Gambar 11). Lokasi ditentukan berdasarkan
Lebih terperinci4. HASIL DAN PEMBAHASAN
4. HASIL DAN PEMBAHASAN 4.1. Sedimen Dasar Perairan Berdasarkan pengamatan langsung terhadap sampling sedimen dasar perairan di tiap-tiap stasiun pengamatan tipe substrat dikelompokkan menjadi 2, yaitu:
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Pengenalan Pola Pengenalan pola adalah suatu ilmu untuk mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran kuantitatif fitur (ciri) atau sifat utama dari suatu
Lebih terperinciPENDUGAAN KELIMPAHAN DAN SEBARAN IKAN DEMERSAL DENGAN MENGGUNAKAN METODE AKUSTIK DI PERAIRAN BELITUNG
Pendugaan Kelimpahan dan Sebaran Ikan... Metode Akustik di Perairan Belitung (Fahmi, Z.) PENDUGAAN KELIMPAHAN DAN SEBARAN IKAN DEMERSAL DENGAN MENGGUNAKAN METODE AKUSTIK DI PERAIRAN BELITUNG ABSTRAK Zulkarnaen
Lebih terperinci6 IDENTIFIKASI DAN KLASIFIKASI KAWANAN IKAN PELAGIS DENGAN JARINGAN SARAF TIRUAN PERAMBATAN BALIK
6 IDENTIFIKASI DAN KLASIFIKASI KAWANAN IKAN PELAGIS DENGAN JARINGAN SARAF TIRUAN PERAMBATAN BALIK 6.1 Pendahuluan Seperti telah diketahui, terdapat banyak sekali model jaringan saraf tiruan (JST) (Fauset,
Lebih terperinci3. METODOLOGI PENELITIAN
3. METODOLOGI PENELITIAN 3.1. Waktu dan Lokasi Penelitian Pengambilan data akustik dilakukan pada tanggal 29 Januari sampai 3 Februari 2011 di perairan Kepulauan Seribu. Wilayah penelitian mencakup di
Lebih terperinciVOL. 01 NO. 02 [JURNAL ILMIAH BINARY] ISSN :
PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PRODUKSI AIR MINUM MENGGUNAKAN ALGORITMA BACKPROPAGATION (STUDI KASUS : PDAM TIRTA BUKIT SULAP KOTA LUBUKLINGGAU) Robi Yanto STMIK Bina Nusantara
Lebih terperinci5 IDENTIFIKASI DAN KLASIFIKASI KAWANAN IKAN PELAGIS DENGAN METODE STATISTIK
5 IDENTIFIKASI DAN KLASIFIKASI KAWANAN IKAN PELAGIS DENGAN METODE STATISTIK 5.1 Pendahuluan Dalam bidang perikaan, metode statistik adalah metode analisis yang paling sering digunakan dalam melakukan identifikasi
Lebih terperinciBAB III METODE PENELITIAN. Pemotong an Suara. Convert. .mp3 to.wav Audacity. Audacity. Gambar 3.1 Blok Diagram Penelitian
BAB III METODE PENELITIAN 3.1 Model Penelitian Penelitian yang dilakukan dapat dijelaskan melalui blok diagram seperti yang terlihat pada Gambar 3.1. Suara Burung Burung Kacer Burung Kenari Pengambil an
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Jarak Near Field (R nf ) yang diperoleh pada penelitian ini dengan menggunakan formula (1) adalah 0.2691 m dengan lebar transducer 4.5 cm, kecepatan suara 1505.06
Lebih terperinciLampiran 1. Alat dan Bahan yang digunakan di Lapangan. Scientific Echosounder Simrad EY 60
56 Lampiran 1. Alat dan Bahan yang digunakan di Lapangan Scientific Echosounder Simrad EY 60 Kapal Survei Pipa Paralon berdiameter 7,6 cm (3 inch) dan Sekop Dongle Echoview 57 Lampiran 2. Foto Tipe Substrat
Lebih terperinciPERBANDINGAN MODEL JARINGAN SARAF TIRUAN DAN ANALISIS STATISTIK DALAM PENENTUAN JENIS IKAN AIR TAWAR MENGGUNAKAN DESKRIPTOR AKUSTIK ZULKARNAEN FAHMI
PERBANDINGAN MODEL JARINGAN SARAF TIRUAN DAN ANALISIS STATISTIK DALAM PENENTUAN JENIS IKAN AIR TAWAR MENGGUNAKAN DESKRIPTOR AKUSTIK ZULKARNAEN FAHMI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinci4. HASIL DAN PEMBAHASAN. Perairan Laut Arafura di lokasi penelitian termasuk ke dalam kategori
4. HASIL DAN PEMBAHASAN 4.1 Profil Peta Batimetri Laut Arafura Perairan Laut Arafura di lokasi penelitian termasuk ke dalam kategori perairan dangkal dimana kedalaman mencapai 100 meter. Berdasarkan data
Lebih terperinciBAB IV JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK)
BAB IV JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) Kompetensi : 1. Mahasiswa memahami konsep Jaringan Syaraf Tiruan Sub Kompetensi : 1. Dapat mengetahui sejarah JST 2. Dapat mengetahui macam-macam
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Tahapan yang dilakukan dalam penelitian ini disajikan pada Gambar 14, terdiri dari tahap identifikasi masalah, pengumpulan dan praproses data, pemodelan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Model Penelitian Penelitian yang dilakukan dapat dijelaskan dengan lebih baik melalui blok diagram seperti yang terliat pada Gambar 3.1. Suara Manusia Rekam suara Hasil rekaman
Lebih terperinci3. METODE PENELITIAN
19 3. METODE PENELITIAN 3.1 Diagram Alir Penelitian Kerangka pemikiran pada penelitian ini dapat digambarkan dalam suatu bagan alir seperti pada Gambar 8. Gambar 8 Diagram Alir Penelitian Pengumpulan Data
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. perangkat. Alat dan bahan yang digunakan sebelum pengujian:
BAB IV HASIL DAN PEMBAHASAN 4.1 Pengujian Perangkat Lunak Dalam mengetahui perangkat lunak yang dibuat bisa sesuai dengan metode yang dipakai maka dilakukan pengujian terhadap masing-masing komponen perangkat.
Lebih terperinci4. HASIL DAN PEMBAHASAN
4. HASIL DAN PEMBAHASAN 4.1. Hasil Analisis Nilai Target Strength (TS) Pada Ikan Mas (Cyprinus carpio) Nilai target strength (TS) merupakan parameter utama pada aplikasi metode akustik dalam menduga kelimpahan
Lebih terperinci4 HASIL DAN PEMBAHASAN
4 HASIL DAN PEMBAHASAN 4.1 Identifikasi Lifeform Karang Secara Visual Karang memiliki variasi bentuk pertumbuhan koloni yang berkaitan dengan kondisi lingkungan perairan. Berdasarkan hasil identifikasi
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Data Yang Digunakan Dalam melakukan penelitian ini, penulis membutuhkan data input dalam proses jaringan saraf tiruan backpropagation. Data tersebut akan digunakan sebagai
Lebih terperinciMahasiswa: Muhimmatul Khoiro Dosen Pembimbing: M. Arief Bustomi, S.Si, M.Si.
Mahasiswa: Muhimmatul Khoiro 1110100049 Dosen Pembimbing: M. Arief Bustomi, S.Si, M.Si. Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2014 Diagnosa
Lebih terperinci2. TINJAUAN PUSTAKA. Sedimen adalah kerak bumi (regolith) yang ditransportasikan melalui proses
2. TINJAUAN PUSTAKA 2.1. Sedimen Dasar Laut Sedimen adalah kerak bumi (regolith) yang ditransportasikan melalui proses hidrologi dari suatu tempat ke tempat yang lain, baik secara vertikal maupun secara
Lebih terperinciBAB 2 LANDASAN TEORI. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu
BAB 2 LANDASAN TEORI 2.1 Pengenalan Suara. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu speech recognition dan speaker recognition. Speech recognition adalah proses yang dilakukan
Lebih terperinciBAB 2 KONSEP DASAR PENGENAL OBJEK
BAB 2 KONSEP DASAR PENGENAL OBJEK 2.1 KONSEP DASAR Pada penelitian ini, penulis menggunakan beberapa teori yang dijadikan acuan untuk menyelesaikan penelitian. Berikut ini teori yang akan digunakan penulis
Lebih terperinciPenerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6
Penerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6 Sari Indah Anatta Setiawan SofTech, Tangerang, Indonesia cu.softech@gmail.com Diterima 30 November 2011 Disetujui 14 Desember 2011
Lebih terperinciJaringan syaraf dengan lapisan tunggal
Jaringan syaraf adalah merupakan salah satu representasi buatan dari otak manusia yang mencoba untuk mensimulasikan proses pembelajaran pada otak manusia. Syaraf manusia Jaringan syaraf dengan lapisan
Lebih terperinci3. DISTRIBUSI IKAN DI LAUT CINA SELATAN
3. DISTRIBUSI IKAN DI LAUT CINA SELATAN Pendahuluan Keberadaan sumberdaya ikan, baik ikan pelagis maupun demersal dapat diduga dengan menggunakan metode hidroakustik (Mitson 1983). Beberapa keuntungan
Lebih terperinciAplikasi yang dibuat adalah aplikasi untuk menghitung. prediksi jumlah dalam hal ini diambil studi kasus data balita
BAB III ANALISA DAN PERANCANGAN SISTEM 3.1. Analisa dan Kebutuhan Sistem Analisa sistem merupakan penjabaran deskripsi dari sistem yang akan dibangun kali ini. Sistem berfungsi untuk membantu menganalisis
Lebih terperinciPERBEDAAN KETEBALAN INTEGRASI DASAR PERAIRAN DENGAN INSTRUMEN HIDROAKUSTIK SIMRAD EY-60 DI PERAIRAN KEPULAUAN PARI
PERBEDAAN KETEBALAN INTEGRASI DASAR PERAIRAN DENGAN INSTRUMEN HIDROAKUSTIK SIMRAD EY-60 DI PERAIRAN KEPULAUAN PARI SANTI OKTAVIA SKRIPSI DEPARTEMEN ILMU DAN TEKNOLOGI KELAUTAN FAKULTAS PERIKANAN DAN ILMU
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Suara Manusia Menurut Inung Wijayanto (2013), produksi suara manusia memerlukan tiga elemen, yaitu sumber daya, sumber suara dan pemodifikasi suara. Ini adalah dasar dari teori
Lebih terperinci3 METODE PENELITIAN. Gambar 8 Peta lokasi penelitian.
30 3 METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian ini menggunakan data hasil survei akustik yang dilaksanakan oleh Balai Riset Perikanan Laut (BRPL), Dirjen Perikanan Tangkap, KKP RI pada bulan Juni
Lebih terperinciANALISIS MODEL JACKSON PADA SEDIMEN BERPASIR MENGGUNAKAN METODE HIDROAKUSTIK DI GUGUSAN PULAU PARI, KEPULAUAN SERIBU SYAHRUL PURNAWAN
ANALISIS MODEL JACKSON PADA SEDIMEN BERPASIR MENGGUNAKAN METODE HIDROAKUSTIK DI GUGUSAN PULAU PARI, KEPULAUAN SERIBU SYAHRUL PURNAWAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN
Lebih terperinciScientific Echosounders
Scientific Echosounders Namun secara secara elektronik didesain dengan amplitudo pancaran gelombang yang stabil, perhitungan waktu yang lebih akuran dan berbagai menu dan software tambahan. Contoh scientific
Lebih terperinciJARINGAN SARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) ERWIEN TJIPTA WIJAYA, ST, M.KOM
JARINGAN SARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) ERWIEN TJIPTA WIJAYA, ST, M.KOM INTRODUCTION Jaringan Saraf Tiruan atau JST adalah merupakan salah satu representasi tiruan dari otak manusia yang selalu
Lebih terperinciPENGUKURAN KARAKTERISTIK AKUSTIK SUMBER DAYA PERIKANAN DI LAGUNA GUGUSAN PULAU PARI KEPULAUAN SERIBU
PENGUKURAN KARAKTERISTIK AKUSTIK SUMBER DAYA PERIKANAN DI LAGUNA GUGUSAN PULAU PARI KEPULAUAN SERIBU Oleh: Arief Wijaksana C64102055 PROGRAM STUDI ILMU DAN TEKNOLOGI KELAUTAN FAKULTAS PERIKANAN DAN ILMU
Lebih terperinciPREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK
PREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK Yudhi Andrian 1, Erlinda Ningsih 2 1 Dosen Teknik Informatika, STMIK Potensi Utama 2 Mahasiswa Sistem Informasi, STMIK
Lebih terperinciDAFTAR ISI. Halaman Judul. Lembar Pengesahan Pembimbing. Lembar Pengesahan Penguji. Halaman Persembahan. Halaman Motto. Kata Pengantar.
DAFTAR ISI Halaman Judul i Lembar Pengesahan Pembimbing ii Lembar Pengesahan Penguji iii Halaman Persembahan iv Halaman Motto v Kata Pengantar vi Abstraksi viii Daftar Isi ix Daftar Gambar xii Daftar Tabel
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.6. Jaringan Syaraf Tiruan Jaringan syaraf tiruan atau neural network merupakan suatu sistem informasi yang mempunyai cara kerja dan karakteristik menyerupai jaringan syaraf pada
Lebih terperinciINTERPRETASI SEB NILAI TARGET STRENGTH (TS) DAN DENSITAS DEmRSAL DENGAN BlETODE AIE)ROAKUSTIK DI TELUK PELABUWAN RATU
INTERPRETASI SEB NILAI TARGET STRENGTH (TS) DAN DENSITAS DEmRSAL DENGAN BlETODE AIE)ROAKUSTIK DI TELUK PELABUWAN RATU Oleh: Munawir C64102020 PR AN TEKNOLOGI KELAUTAN AN DAN I Lm KELAUTAN INSTITUT PERTANLAN
Lebih terperinciKLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION. Dhita Azzahra Pancorowati
KLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION Dhita Azzahra Pancorowati 1110100053 Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi
Lebih terperinciBAB III METODOLOGI PENELITIAN
19 BAB III METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Kerangka pemikiran untuk penelitian ini seperti pada Gambar 9. Penelitian dibagi dalam empat tahapan yaitu persiapan penelitian, proses pengolahan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Barcode Salah satu obyek pengenalan pola yang bisa dipelajari dan akhirnya dapat dikenali yaitu PIN barcode. PIN barcode yang merupakan kode batang yang berfungsi sebagai personal
Lebih terperinciPERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI
PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh Nama : Januar Wiguna Nim : 0700717655 PROGRAM GANDA TEKNIK INFORMATIKA DAN MATEMATIKA
Lebih terperinciPREDIKSI PENDAPATAN ASLI DAERAH KALIMANTAN BARAT MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PREDIKSI PENDAPATAN ASLI DAERAH KALIMANTAN BARAT MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Dwi Marisa Midyanti Sistem Komputer Universitas Tanjungpura Pontianak Jl Prof.Dr.Hadari Nawawi, Pontianak
Lebih terperinciBAB 3. METODE PENELITIAN
BAB 3 METODE PENELITIAN 31 Pemilihan Parameter Masukan JST Data pengujian kualitas surfaktan-mesa yang dimiliki SBRC IPB (009) terdiri atas tegangan permukaan, IFT, densitas, viskositas, ph, dan kandungan
Lebih terperinci4. HASIL PEMBAHASAN. Sta Latitude Longitude Spesies Keterangan
4. HASIL PEMBAHASAN 4.1 Data Lapangan Berdasarkan pengamatan langsung di lapangan dengan melakukan penyelaman di lokasi transek lamun, ditemukan 3 jenis spesies lamun yakni Enhalus acoroides, Cymodocea
Lebih terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih terperinci1 PENDAHULUAN 1.1 Latar Belakang
1 1 PENDAHULUAN 1.1 Latar Belakang Saat ini teknologi hidroakustik atau perangkat lunak pengolah sinyal akustik masih sulit untuk dapat mengetahui jenis dan panjang ikan secara langsung dan akurat. Selama
Lebih terperinciBAB VIIB BACKPROPAGATION dan CONTOH
BAB VIIB BACKPROPAGATION dan CONTOH 7B. Standar Backpropagation (BP) Backpropagation (BP) merupakan JST multi-layer. Penemuannya mengatasi kelemahan JST dengan layer tunggal yang mengakibatkan perkembangan
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA
APLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA Pembimbing: Desi Fitria Utami M0103025 Drs. Y. S. Palgunadi, M. Sc
Lebih terperinci6 ANALISIS DAN PEMBAHASAN
155 6 ANALISIS DAN PEMBAHASAN 6.1 Analisis Simulasi Perubahan Fase 6.1.1 Spektrum gerakan ikan-ikanan berukuran 20 x 25 cm Untuk memperoleh spektrum frekuensi dari gelombang ikan-ikanan berukuran 20 x
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK ECG atau elektrocardiogram merupakan suatu perekaman aktivitas listrik dari pola sinyal detak jantung. Aktivitas listrik dari sel yang dicatat secara grafik dengan perantaraan elektroda intrasel
Lebih terperinciPresentasi Tugas Akhir
Presentasi Tugas Akhir Bagian terpenting dari CRM adalah memahami kebutuhan dari pelanggan terhadap suatu produk yang ditawarkan para pelaku bisnis. CRM membutuhkan sistem yang dapat memberikan suatu
Lebih terperinciArchitecture Net, Simple Neural Net
Architecture Net, Simple Neural Net 1 Materi 1. Model Neuron JST 2. Arsitektur JST 3. Jenis Arsitektur JST 4. MsCulloh Pitts 5. Jaringan Hebb 2 Model Neuron JST X1 W1 z n wi xi; i1 y H ( z) Y1 X2 Y2 W2
Lebih terperinciPengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation
Erlangga, Sukmawati Nur Endah dan Eko Adi Sarwoko Pengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation Erlangga, Sukmawati Nur Endah dan Eko Adi Sarwoko
Lebih terperinci4. HASIL DAN PEMBAHASAN. dimana besar nilainya bisa sama panjang dengan panjang keseluruhan atau
4. HASIL DAN PEMBAHASAN 4.1 Tabel Ukuran Tubuh Ikan Acoustical length adalah panjang target dalam akustik pada sebuah target, dimana besar nilainya bisa sama panjang dengan panjang keseluruhan atau panjang
Lebih terperinciMIGRASI HARIAN IKAN MAS (Cyprinus carpio) SECARA VERTIKAL DENGAN PENDEKATAN AKUSTIK
MIGRASI HARIAN IKAN MAS (Cyprinus carpio) SECARA VERTIKAL DENGAN PENDEKATAN AKUSTIK MUHAMMAD FAHRUL RIZA SKRIPSI DEPARTEMEN ILMU DAN TEKNOLOGI KELAUTAN FAKULTAS PERIKANAN DAN ILMU KELAUTAN INSTITUT PERTANIAN
Lebih terperinciOleh : HARDHANI EKO SAPUTRO C SKRIPSI
PENGUKURAN NILAI DAN SEBARAN TARGET STRENGTH IKAN PELAGIS DAN DEMERSAL DENGAN MENGGUNAKAN SISTEM AKUSTIK BIM TERBAGI (SPLIT BEAM ACOUSTIC SYSTEM) DI LAUT A MFUM PADA BULAN OKTOBER-NOPEMBER 2003 Oleh :
Lebih terperinci4. BAHAN DAN METODA. 4.1 Lokasi dan Waktu Penelitian
41 4. BAHAN DAN METODA 4.1 Lokasi dan Waktu Penelitian Penelitian ini menggunakan dua data yaitu (1) data primer yang diperoleh saat penulis mengikuti riset pada tahun 2002, yang merupakan bagian dari
Lebih terperinciBAB II. Penelitian dengan jaringan syaraf tiruan propagasi balik. dalam bidang kesehatan sebelumnya pernah dilakukan oleh
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Tinjauan Pustaka Penelitian dengan jaringan syaraf tiruan propagasi balik dalam bidang kesehatan sebelumnya pernah dilakukan oleh Sudharmadi Bayu Jati Wibowo
Lebih terperinciBAB IV PERANCANGAN & IMPLEMENTASI SISTEM
17 BAB IV PERANCANGAN & IMPLEMENTASI SISTEM 4.1 Desain. yang digunakan adalah jaringan recurrent tipe Elman dengan 2 lapisan tersembunyi. Masukan terdiri dari data : wind, SOI, SST dan OLR dan target adalah
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN PADA PENGENALAN POLA TULISAN DENGAN METODE BACKPROPAGATION
APLIKASI JARINGAN SYARAF TIRUAN PADA PENGENALAN POLA TULISAN DENGAN METODE BACKPROPAGATION Alvama Pattiserlihun, Andreas Setiawan, Suryasatriya Trihandaru Program Studi Fisika, Fakultas Sains dan Matematika,
Lebih terperinciGambar 3.1 Desain Penelitian
METODOLOGI PENELITIAN 3.1 Desain Penelitian Studi Literatur: Permalan Time Series, Harga Minyak Bumi, Jaringan Syaraf Tiruan, Backpropagation Pengumpulan Data Harga Minyak Bumi di Indonesia Perancangan
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Semua negara mempunyai mata uang sebagai alat tukar. Pertukaran uang dengan barang yang terjadi disetiap negara tidak akan menimbulkan masalah mengingat nilai uang
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1. Pengujian Perangkat Lunak Dalam mengetahui perangkat lunak yang dibuat bisa sesuai dengan metode yang dipakai maka dilakukan pengujian terhadap masin-masing komponen perangkat.
Lebih terperinciPOSITRON, Vol. IV, No. 2 (2014), Hal ISSN :
Modifikasi Estimasi Curah Hujan Satelit TRMM Dengan Metode Jaringan Syaraf Tiruan Propagasi Balik Studi Kasus Stasiun Klimatologi Siantan Fanni Aditya 1)2)*, Joko Sampurno 2), Andi Ihwan 2) 1)BMKG Stasiun
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Data Lapangan Berdasarkan pengamatan langsung di lapangan dengan melakukan penyelaman di lokasi transek lamun, diperoleh data yang diuraikan pada Tabel 4. Lokasi penelitian berada
Lebih terperinciBAB VIII JARINGAN SYARAF TIRUAN
BAB VIII JARINGAN SYARAF TIRUAN A. OTAK MANUSIA Otak manusia berisi berjuta-juta sel syaraf yang bertugas untuk memproses informasi. Tiaptiap sel bekerja seperti suatu prosesor sederhana. Masing-masing
Lebih terperinciPENGENALAN HURUF DAN ANGKA PADA CITRA BITMAP DENGAN JARINGAN SARAF TIRUAN METODE PROPAGASI BALIK
PENGENALAN HURUF DAN ANGKA PADA CITRA BITMAP DENGAN JARINGAN SARAF TIRUAN METODE PROPAGASI BALIK Naskah Publikasi disusun oleh Zul Chaedir 05.11.0999 Kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
Lebih terperinciModel integrasi echo dasar laut Blok diagram scientific echosounder ditampilkan pada Gambar I. echo pada pre-amplifier, ERB :
N AWSTIK SCATTERINGSTRENGTH DASAR LAUT DAN IDENTIFIKASI WABIcrAT I DENGAN ECHOSOUNDER (Measurement of Acoustic ScatGering Strength of Sea Bottom and Identification of Fish Habitat Using Echosounder) Oleh:
Lebih terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pengklasifikasian merupakan salah satu metode statistika untuk mengelompok atau menglasifikasi suatu data yang disusun secara sistematis. Masalah klasifikasi sering
Lebih terperinciAKUSTIK REMOTE SENSING/PENGINDERAAN JAUH
P. Ika Wahyuningrum AKUSTIK REMOTE SENSING/PENGINDERAAN JAUH Suatu teknologi pendeteksian obyek dibawah air dengan menggunakan instrumen akustik yang memanfaatkan suara dengan gelombang tertentu Secara
Lebih terperinciHASIL DAN PEMBAHASAN. Tabel 3 Contoh data Shorea hasil kodefikasi
8 disajikan contoh data Shorea hasil kodefikasi dari beberapa karakter yang bernilai nominal. Tabel 2 Karakter daun yang bernilai nominal Karakter Nilai Kode Bentuk tulang Tidak menempel 1 daun Permukaan
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilaksanakan Februari 2014 sampai dengan Juli 2014 di
BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilaksanakan Februari 2014 sampai dengan Juli 2014 di Laboratorium Pemodelan Fisika, Jurusan Fisika, Fakultas Matematika dan Ilmu
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB III METODE PENELITIAN. Penelitian ini dilakukan dalam kurung waktu setahun.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Pelaksanaan Penelitian dilaksanakan di Laboratorium Intrumentasi Medis Departemen Fisika, Fakultas Sains dan Teknologi Universitas Airlangga. Lokasi pengambilan
Lebih terperinciBAB III METODOLOGI PENELITIAN
38 BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Studi Literatur: Peramalan, Curah Hujan, Knowledge Discovery in Database, Jaringan Saraf Tiruan, Backpropagation, Optimalisasasi Backpropagation Pengumpulan
Lebih terperinciBAB III PERANCANGAN DAN IMPLEMENTASI SISTEM
BAB III PERANCANGAN DAN IMPLEMENTASI SISTEM Pada bab ini akan dijelaskan mengenai tahapan dan algoritma yang akan digunakan pada sistem pengenalan wajah. Bagian yang menjadi titik berat dari tugas akhir
Lebih terperinciMETODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN A. Kerangka Pemikiran Perusahaan dalam era globalisasi pada saat ini, banyak tumbuh dan berkembang, baik dalam bidang perdagangan, jasa maupun industri manufaktur. Perusahaan
Lebih terperinciJaringan Syaraf Tiruan. Disusun oleh: Liana Kusuma Ningrum
Jaringan Syaraf Tiruan Disusun oleh: Liana Kusuma Ningrum Susilo Nugroho Drajad Maknawi M0105047 M0105068 M01040 Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret
Lebih terperinci2. TINJAUAN PUSTAKA. Dasar Laut Arafura merupakan paparan yang sangat luas. Menurut Nontji
2. TINJAUAN PUSTAKA 2.1 Keadaan Umum Lokasi Penelitian Dasar Laut Arafura merupakan paparan yang sangat luas. Menurut Nontji (1987), paparan Arafura (diberi nama oleh Krummel, 1897) ini terdiri dari tiga
Lebih terperinciKLASIFIKASI ARITMIA EKG MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN FUNGSI AKTIVASI ADAPTIF
KLASIFIKASI ARITMIA EKG MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN FUNGSI AKTIVASI ADAPTIF Asti Rahma Julian 1, Nanik Suciati 2, Darlis Herumurti 3 Teknik Informatika, Fakultas Teknologi Informasi, ITS
Lebih terperinci1. PENDAHULUAN 1.1. Latar belakang
1. PENDAHULUAN 1.1. Latar belakang Dasar perairan memiliki peranan yang sangat penting yaitu sebagai habitat bagi bermacam-macam makhluk hidup yang kehidupannya berasosiasi dengan lingkungan perairan.
Lebih terperinciKlasifikasi Pola Huruf Vokal dengan Menggunakan Jaringan Saraf Tiruan
JURNAL TEKNIK POMITS 1-7 1 Klasifikasi Pola Huruf Vokal dengan Menggunakan Jaringan Saraf Tiruan Dhita Azzahra Pancorowati, M. Arief Bustomi Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam,
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK [1] Meishytah Eka Aprilianti, [2] Dedi Triyanto, [3] Ilhamsyah [1] [2] [3] Jurusan Sistem Komputer, Fakultas
Lebih terperinci2. TINJAUAN PUSTAKA 2.1. Sedimen dasar laut
2. TINJAUAN PUSTAKA 2.1. Sedimen dasar laut Sedimen yang merupakan partikel lepas (unconsolidated) yang terhampar di daratan, di pesisir dan di laut itu berasal dari batuan atau material yang mengalami
Lebih terperinciHUBUNGAN TIPE DASAR PERAIRAN DENGAN DISTRIBUSI IKAN DEMERSAL DI PERAIRAN PANGKAJENE SULAWESI SELATAN 2011
Jurnal Teknologi Perikanan dan Kelautan. Vol. 4. No. 1 Mei 2013: 31-39 ISSNN 2087-4871 HUBUNGAN TIPE DASAR PERAIRAN DENGAN DISTRIBUSI IKAN DEMERSAL DI PERAIRAN PANGKAJENE SULAWESI SELATAN 2011 (THE RELATION
Lebih terperinci4.1. Pengumpulan data Gambar 4.1. Contoh Peng b untuk Mean imputation
4.1. Pengumpulan data Data trafik jaringan yang diunduh dari http://www.cacti.mipa.uns.ac.id:90 dapat diklasifikasikan berdasar download rata-rata, download maksimum, download minimum, upload rata-rata,
Lebih terperinci