PERANCANGAN PENGATURAN DURASI LAMPU LALU LINTAS ADAPTIF
|
|
- Ridwan Pranoto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PERANCANGAN PENGATURAN DURASI LAMPU LALU LINTAS ADAPTIF Rudericus Andika Pramudya, Mahmud Imrona 2, Fhira Nhita 3,2,3 Prodi S Teknik Informatika, Fakultas Teknik, Universitas Telkom rudericusdika@gmail.com, 2 mahmudimrona@telkomuniversity.ac.id, 3 vir@ittelkom.ac.id Abstrak Kemacetan lalu lintas adalah suatu permasalahan yang selalu dirasakan masyarakat pengguna jalan, terlebih lagi bagi masyarakat di kota-kota besar, seperti Bandung. Kemacetan lalu lintas berdampak buruk bagi siapapun. Kemacetan mengakibatkan kerugian yang besar bagi individu maupun kelompok tertentu. Maka dari itu dibutuhkan solusi untuk mengurangi kemacetan. Solusi yang ditawarkan adalah pendekatan perhitungan lama durasi waktu lampu lalu lintas yang efisien, sehingga dapat mengurangi kemacetan berlebihan yang terjadi dan arus kendaraan menjadi lancar. Pada penelitian ini dibuat usulan sistem pengendali lampu lalu lintas yang adaptif, sistem ini menggunakan jaringan syaraf tiruan recurrent neural network untuk memecahkan permasalahan yang bersifat tidak pasti. Rancangan jaringan syaraf tiruan dicari dengan algoritma genetika (AG) berdasarkan data yang diperoleh dari data di lapangan. Berdasarkan penelitian yang telah dilakukan, didapatkan arsitektur terbaik berupa bobot-bobot dan hubungan antar neuron. Akurasi tertinggi pada sistem yang dibandingkan dengan fix time menunjukkan hasil yang cukup baik yaitu 90,082% untuk pembelajaran dan 87,9% untuk pengujian pengaturan durasi waktu lampu hijau lalu lintas adaptif. Jaringan syaraf tiruan yang telah dioptimalkan dengan proses pencarian arsitektur terbaik oleh algoritma genetika mempunyai hasil uji kinerja sistem yang lebih baik dibandingkan dengan fix time. Kata kunci: prediksi, durasi lampu lalu lintas, lampu lalu lintas adaptif, jaringan syaraf tiruan, algoritma genetika. Pendahuluan Kemacetan lalu lintas adalah suatu permasalahan yang selalu dirasakan masyarakat pengguna jalan, terlebih lagi bagi masyarakat di kota-kota besar, seperti Bandung. Kemacetan lalu lintas berdampak buruk bagi siapapun. Kemacetan mengakibatkan kerugian yang besar bagi individu maupun kelompok tertentu. Sebagai contoh waktu akan banyak terbuang oleh kemacetan, konsumsi bahan bakar akan menjadi semakin besar, dan akan terjadi peningkatan polusi. Sebagian besar kemacetan terjadi di persimpangan lampu lalu lintas, karena kurangnya perhitungan yang tepat dalam menentukan lama waktu lampu lalu lintas di persimpangan. Tidak tepatnya perhitungan waktu lampu lalu lintas dapat mengakibatkan penumpukan kendaraan secara berlebihan, sehingga dapat menyebabkan kemacetan. Maka dari itu dibutuhkan solusi untuk mengurangi kemacetan tersebut. Solusi yang ditawarkan adalah pendekatan perhitungan lama durasi waktu lampu lalu lintas yang efisien, sehingga dapat mengurangi penumpukan berlebihan yang terjadi dan arus kendaraan menjadi lancar. Sistem pengendali lampu lalu lintas adaptif memiliki pengertian bahwa durasi lampu lalu lintas akan selalu berubah tergantung dari jumlah kendaraan yang terdapat di persimpangan. Untuk mendapatkan sistem pengendali lampu lalu lintas yang adaptif, sistem ini menggunakan jaringan syaraf tiruan. Jaringan syaraf tiruan digunakan karena pada jaringan syaraf tiruan terdapat semacam mekanisme memori yang dapat mengingat keterkaitan antara data satu dengan lainnya secara sekuen. Ada beberapa macam jaringan syaraf tiruan, untuk permasalahan dengan pasangan data yang tidak jelas dan bersifat sangat kompleks digunakan jaringan syaraf tiruan recurrent neural networks (RNN). Jaringan syaraf tiruan RNN cocok untuk digunakan dalam sistem ini karena arsitektur jaringan syaraf tiruan yaitu koneksi antar neuron belum ditentukan. Untuk membangun jaringan syaraf tiruan RNN yang optimal maka diperlukan pembelajaran untuk mendapatkan bobot-bobot sinaptik dan koneksi yang optimal untuk setiap neuron. Bobot-bobot sinaptik dan koneksi antar neuron pada jaringan syaraf tiruan dicari dengan algoritma genetika (AG) berdasarkan data yang diperoleh. Penggunaan algoritma genetika dalam penentuan bobot-bobot sinaptik dan koneksi neuron jaringan syaraf tiruan 75
2 RNN karena algoritma genetika mempunyai hasil yang paling baik dalam pencarian nilai optimum. Nilai optimum yang dihasilkan akan dijadikan sebagai bobot-bobot sinaptik dalam setiap neuron pada jaringan syaraf tiruan. Sistem pengaturan lampu lalu lintas cerdas sebelumnya pernah dilakukan oleh Mahmud Dwi Sulistiyo dalam Analisis dan Implementasi Sistem Fuzzy dan Evolutionary Programming pada Pengaturan Lampu Lalu Lintas Cerdas[2], sistem yang dilakukan adalah implementasi menggunakan sistem fuzzy dan evolutionary programming. Kinerja yang diperoleh dari sistem tersebut adalah 94,67%. Maka dari itu akan dilakukan sistem pengaturan lampu lalu lintas adaptif dengan metode lain, yaitu menggunakan jaringan syaraf tiruan yang telah dioptimalkan oleh algoritma genetika. Diharapkan penggunaan jaringan syaraf tiruan dan algoritma genetika dalam sistem pengaturan lampu lalu lintas dapat menghasilkan waktu lalu lintas yang adaptif. Sehingga sistem tersebut dapat menjadi salah satu solusi untuk mengurangi kemacetan lalu lintas yang diakibatkan kepadatan pada suatu persimpangan. 2. Algoritma Genetika Algoritma genetika (AG) adalah algoritma yang memanfaatkan proses seleksi alamiah yang dikenal dengan proses evolusi. Algoritma genetika dapat digunakan untuk mendapatkan nilai-nilai parameter yang optimal pada jaringan syaraf tiruan, yaitu bobot-bobot sinaptik dan struktur jaringan syaraf tiruan. Pseudo-code algoritma genetika diilustrasikan[6] : Bangkitkan populasi awal, N kromosom Loop sampai Kondisi Berhenti terpenuhi Dekodekan kromosom ke dalam individu Evaluasi individu Seleksi pasangan-pasangan orangtua Rekombinasi dengan probabilitas Pc Mutasi dengan probabilitas Pm Penggantian populasi End 3. Jaringan Syaraf Tiruan Jaringan syaraf tiruan adalah prosesor tersebar paralel yang sangat besar dan memiliki kecenderungan untuk menyimpan pengetahuan yang bersifat pengalaman dan membuatnya siap digunakan. Jaringan syaraf tiruan menyerupai otak manusia dalam dua hal, yaitu pengetahuan diperoleh jaringan melalui proses belajar, kekuatan hubungan antar sel syaraf (neuron) yang dikenal sebagai bobot-bobot sinaptik digunakan untuk menyimpan pengetahuan[4]. Secara matematis proses dalam jaringan syaraf tiruan dapat dituliskan dalam persamaan : y = φ w x + b () x, x 2,..., x p adalah sinyal input; w k, w k2,..., w kp adalah bobot-bobot sinaptik dari neuron k; b k adalah bias; ϕ(.) adalah fungsi aktivasi; y k adalah sinyal output dari neuron a. Sinyal Masukan dan Suatu Penimbang Sebuah neuron yang memiliki 4 input, hidden layer, dan output. Aliran sinyal input dikalikan dengan suatu bobot dan kemudian dilakukan penjumlahan terhadap semua input yang telah diberi bobot dengan persamaan (2). Uk = w x + b (2) p adalah total jumlah input; w adalah bobot-bobot sinaptik; x adalah input data latih; b adalah bias. Hasil dari penjumlahan ini disebut output dari the linear combiner υ k. b. Fungsi Aktivasi 76
3 Fungsi aktivasi yang dinotasikan dengan ϕ(.) mendefinisikan nilai output dari suatu neuron dalam level aktivasi tertentu berdasarkan nilai output pengkombinasian linier υ i. Fungsi aktivasi yang digunakan adalah fungsi sigmoid : φ(v) = (3) () Dimana φ adalah fungsi aktivasi dan a adalah suatu konstanta positif untuk menentukan kemiringan dari fungsi aktivasi tersebut. c. Arsitektur Jaringan Ada beberapa arsitektur jaringan pada jaringan syaraf tiruan, salah satu arsitektur tersebut adalah Recurrent Neural Network. Recurrent Neural Network adalah jaringan yang mempunyai minimal satu feedback loop. Jumlah input neuron ditentukan 4 buah, jumlah hidden layer dalam sistem ini ditentukan hidden layer, dan jumlah hidden neuron ditentukan dengan persamaan (4). Jumlah Hidden Neuron = N. N (4) N i adalah jumlah input; N o adalah jumlah output. d. Proses Belajar Suatu proses parameter-parameter bebas jaringan syaraf tiruan diadaptasikan oleh lingkungan melalui proses perangsangan secara terus-menerus, proses belajar yang dilakukan adalah supervised learning. Pada supervised learning parameter-parameter jaringan berubah-ubah berdasarkan vektor latih dan perbedaan antara keluaran jaringan syaraf tiruan dengan respon yang diinginkan. Proses ini dilakukan secara berulang-ulang dengan tujuan agar jaringan syaraf tiruan mempunyai kemampuan yang optimal. e. Perceptron Perceptron adalah bentuk paling sederhana dari jaringan syaraf tiruan yang digunakan untuk pengklasifikasian pola-pola yang terletak pada sisi yang berlawanan pada suatu bidang[5]. Neuron yang diberikan bobot sinaptik dan threshold yang telah diatur dapat membentuk suatu perceptron. 4. Data dan Metodologi Dalam proses pengaturan lampu lalu lintas adaptif terdapat 3 proses utama yaitu praposes, perancangan bobotbobot sinaptik dan struktur jaringan syaraf tiruan dengan algoritma genetika, dan pelatihan jaringan syaraf tiruan. Secara umum rancangan sistem pengaturan lampu lalu lintas adaptif yang akan dibangun dalam penelitian ini digambarkan dalam diagram alir sebagai berikut : Mulai Data Input Praproses Data Hasil Praproses Penentuan bobot-bobot sinaptik dan koneksi jaringan syaraf tiruan Jaringan Syaraf Tiruan Durasi Lampu Hijau Hasil Prediksi Gambar Diagram Alir Sistem Pengaturan Lampu Lalu Lintas Adaptif a. Data Untuk membangun lampu lalu lintas adaptif dibutuhkan informasi tentang lampu lalu lintas, yaitu durasi lampu hijau, jumlah mobil di persimpangan, dan penggunaan jaringan syaraf tiruan dengan algoritma genetika. Data yang dipakai adalah jumlah kendaraan bermotor (mobil) yang menunggu di ruas jalan saat lampu merah, durasi waktu pada saat kendaraan menunggu, jumlah kendaraan bermotor (mobil) yang berjalan di ruas jalan saat lampu hijau, dan durasi waktu pada saat lampu hijau berjalan. Pengamatan langsung pada persimpangan jalan dilakukan untuk mendapatkan informasi tentang lampu lalu lintas, pada permasalahan ini pengamatan dilakukan di persimpangan Jl. Ibrahim Adjie Jl. Soekarno Hatta, kondisi lalu lintas tersebut selalu dipantau dan diatur oleh polisi lalu lintas. Data diambil 3 kali periode setiap jam selama seminggu penuh (senin-minggu) pukul selama Selesai 77
4 bulan Juni sampai awal Agustus. Data yang diambil hanya dari jumlah mobil. Jumlah mobil yang diambil sepanjang 00 meter dari tempat sinyal lampu lalu lintas. Tabel Data Siap Olah No. X X 2 X 3 X 4 Y Ditulis X adalah ruas hijau berisi data jumlah mobil pada saat lampu sinyal hijau, X 2 adalah ruas merah berisi data jumlah mobil yang menunggu saat lampu sinyal merah di ruas yang selanjutnya akan berjalan setelah ruas hijau, X 3 adalah adalah ruas merah 2 berisi data jumlah mobil yang menunggu saat lampu sinyal merah di ruas yang selanjutnya akan berjalan setelah ruas merah, X 4 adalah adalah ruas merah 3 berisi data jumlah mobil yang menunggu saat lampu sinyal merah di ruas yang selanjutnya akan berjalan setelah ruas merah 2, dan Y adalah output durasi lampu hijau. Sebelum digunakan data akan dilakukan praproses dulu agar data menjadi lebih teratur. Praproses yang dilakukan adalah membuat data ke dalam suatu rentang bilangan real dari 0 sampai [2]. Praproses dilakukan dengan persamaan (5) Hasil = () () (b a) + a (5) Hasil adalah hasil dari praproses; Data adalah data asli sebelum masuk perhitungan praproses; MinData adalah nilai minimal data; MaxData adalah nilai maksimal data; a adalah nilai minimal rentang yang diinginkan; b adalah nilai maksimal rentang yang diinginkan. Tabel 2 Data Hasil Praproses No. X X 2 X 3 X 4 Y 0 0,0288 0,6762 0, , , ,0055 0, ,4294 0, ,9333 0,560 0,0256 0,080 b. Penentuan Bobot-Bobot dan Koneksi Jaringan Syaraf Tiruan Dalam langkah ini, dilakukan pembelajaran menggunakan algoritma genetika untuk mendapatkan bobot-bobot sinaptik dan koneksi antar neuron jaringan syaraf tiruan. Langkah ini dihasilkan rancangan optimal jaringan syaraf tiruan dalam satu buah kromosom yang terdiri dari bobot-bobot sinaptik dan koneksi antar neuron. c. Prediksi Durasi Lampu Hijau dengan Jaringan Syaraf Tiruan Prediksi durasi lampu hijau dilakukan dengan jaringan syaraf tiruan dengan persamaan(). Bobot-bobot sinaptik dan koneksi antar neuron didapat dari proses pembelajaran algoritma genetika. 5. Hasil Penelitian Penelitian yang dilakukan untuk mendapatkan rancangan jaringan syaraf tiruan yang optimal dan menghitung durasi lampu hijau dari proses prediksi jaringan syaraf tiruan yang telah dioptimalkan oleh algoritma genetika. 78
5 Pengujian dengan ukuran populasi = [50;00], peluang pindah silang = [0,5;;0,9], peluang mutasi = [;], dan maksimal evaluasi individu = a. Hasil Pembelajaran Hasil pembelajaran dapat dilihat dalam tabel 3. Tabel 3 Hasil Pembelajaran Pindah Silang Mutasi Ukuran Populasi MAPE Fitness Terbaik 50 0,33 86, ,2 88,82 0,5 50 0,235 76, ,38 86, ,08 89, ,39 86, ,344 86, ,099 90, ,26 87, ,2 88,02 0,9 50 0,4 88, ,27 87,265 Nilai rata-rata error terkecil yang didapatkan dalam sistem ini adalah 0,099. Sedangkan nilai fitness terbaik yang didapatkan adalah 90,082 pada saat jumlah populasi 00 dengan peluang pindah silang dan peluang mutasi. Setelah didapatkan nilai fitness terbaik, akan didapatkan stuktur jaringan syaraf tiruan terbaik. Struktur jaringan syaraf terbaik akan dipakai untuk menentukan durasi lampu hijau terbaik dalam sistem ini. b. Hasil Pengujian Hasil pengujian dapat dilihat dalam tabel 4. Pindah Silang 0,5 0,9 Tabel 4 Hasil Pengujian Mutasi Ukuran Populasi Akurasi (%) 50 84, , , , , , , , , , , ,296 Dari skenario pengujian didapatkan akurasi terbaik yang dibandingkan dengan fix time sebesar 87,9% pada saat besar populasi 00, peluang pindah silang, dan peluang mutasi. 6. Kesimpulan dan Saran Berdasarkan penelitian serta analisis pengolahan data yang dilakukan maka dapat ditarik kesimpulan sebagai berikut ini : 79
6 . Untuk memperoleh bobot-bobot sinaptik dan koneksi antar neuron jaringan syaraf tiruan yang optimal, pada proses algoritma genetika parameter yang digunakan adalah jumlah populasi 00, maksimum evaluasi individu 5000, peluang pindah silang, dan peluang mutasi, dengan parameter tersebut diperoleh nilai fitness sebesar 90, Rancangan jaringan syaraf tiruan yang didapatkan dari proses pembelajaran algoritma genetika berupa bobotbobot sinaptik dan koneksi antar neuron yang digunakan untuk menentukan durasi lampu hijau yang beradaptasi dari data yang ada di lapangan. 3. Rancangan jaringan syaraf tiruan yang telah dioptimalkan oleh algoritma genetika memperoleh hasil uji kinerja sistem terbaik yang dibandingkam dengan fix time sebesar 87,9% yang didapatkan dengan mengadaptasi jumlah volume mobil pada suatu ruas. Berdasarkan hasil penelitian dan kesimpulan yang diperoleh, maka saran yang dapat diberikan untuk melakukan pengembangan lebih lanjut antara lain :. Diharapkan pengembangan sistem selanjutnya dilakukan di persimpangan yang mempunyai lebar dan luas jalan yang sama di setiap ruasnya sehingga dihasilkan perhitungan yang lebih optimal. 2. Agar mendapatkan hasil data lapangan yang lebih baik dapat digunakan alat sensor untuk menghitung jumlah kendaraan. 3. Untuk pengembangan sistem yang lebih baik dan pintar, dapat digunakan ekstraksi ciri menggunakan kamera Closed Circuit Television System (CCTV) yang terdapat di setiap persimpangan untuk menghitung jumlah kendaraan, sehingga dapat mempermudah dalam penetuan durasi yang adaptif. Daftar Pustaka [] Fransisca, Udur, 202. Analisis Citra Lalu Lintas dengan Menggunakan Metode Ekstraksi Ciri Wavelet dan Classifier Support Vector Machine. Penelitian. Bandung: IT Telkom. [2] Sulistiyo, Mahmud Dwi, 20. Analisis dan Implementasi Sistem Fuzzy dan Evolutionary Programming pada pengaturan Lampu Lalu Lintas Cerdas. Prosiding Konferensi Naional ICT-M Politeknik Telkom (KNIP). Bandung: Politeknik Telkom. [3] Putra, Fajri Profesi, 20. Penggunaan Jaringan syaraf tiruan dengan Algoritma Genetika pada Traffic Light Adaptif. Penelitian. Bandung: Universitas Pendidikan Indonesia. [4] Suyanto, Algoritma Genetika dalam MATLAB. Yogyakarta: ANDI. [5] Suyanto, Artificial Intelligence, Searching, Reasoning, Planning, and Learning. Bandung: Informatika. [6] Suyanto, Soft Computing, Membangun Mesin Ber-IQ Tinggi. Bandung: Informatika. [7] Yao, Xin, 999. Evolving Artificial Neural Networks, Proceding of the IEEE, 87(9): United Kingdom: The University of Birmingham. [8] Jalan Jenderal Ibrahim Adjie. 202 (Diakses pada 28 Desember 202 Pk 5.20) 80
RENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) CIG4B3 SOFT COMPUTING Disusun oleh: Syahrul Mubarok PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN Rencana Pembelajaran
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 terperinciBAB I PENDAHULUAN. Untuk melakukan pengaturan lalu lintas pada persimpangan jalan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Untuk melakukan pengaturan lalu lintas pada persimpangan jalan difungsikan Traffic Light atau yang lebih dikenal oleh masyarakat Indonesia sebagai lampu lalu lintas.
Lebih terperinciANALISIS SISTEM LAMPU LALU LINTAS MENGGUNAKAN KECERDASAN BUATAN ANALYSIS OF TRAFFIC LIGHT SYSTEM USING ARTIFICIAL INTELLIGENCE
ISSN : 2355-9365 e-proceeding of Engineering : Vol.5, No.1 Maret 2018 Page 975 ANALISIS SISTEM LAMPU LALU LINTAS MENGGUNAKAN KECERDASAN BUATAN ANALYSIS OF TRAFFIC LIGHT SYSTEM USING ARTIFICIAL INTELLIGENCE
Lebih terperinciPELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE SELEKSI TURNAMEN UNTUK DATA TIME SERIES
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 65-72 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE
Lebih terperinciBAB III PEMBAHASAN. harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017.
BAB III PEMBAHASAN Data yang digunakan dalam bab ini diasumsikan sebagai data perkiraan harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017. Dengan demikian dapat disusun model Fuzzy
Lebih terperinciPREDIKSI TINGKAT INFLASI DI INDONESIA BERBASIS JARINGAN SYARAF TIRUAN DAN ALGORITMA GENETIKA. Rita Rismala 1, Said Al Faraby 2
PREDIKSI TINGKAT INFLASI DI INDONESIA BERBASIS JARINGAN SYARAF TIRUAN DAN ALGORITMA GENETIKA Rita Rismala 1, Said Al Faraby 2 1,2 Prodi S1 Informatika, Fakultas Informatika, Universitas Telkom 1 ritaris@telkomuniversity.ac.id,
Lebih terperinciBAB I PENDAHULUAN. kenaikan harga minyak mentah itu sendiri. Saat ini penetapan harga minyak
BAB I PENDAHULUAN A. Latar Belakang Minyak merupakan salah satu sumber energi yang sangat dibutuhkan manusia dalam berbagai aspek kehidupan. Peningkatan jumlah manusia yang membutuhkan minyak dalam kehidupan
Lebih terperinciBAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
8 BAB 2 LANDASAN TEORI 2.1 Teori Neuro Fuzzy Neuro-fuzzy sebenarnya merupakan penggabungan dari dua studi utama yaitu fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada penelitian machine learning banyak sekali diperbincangkan tentang perilaku belajar mesin (komputer) agar mampu belajar dan berpikir cerdas layaknya manusia yang
Lebih terperinciPenerapan Adaptive Genetic Algorithm dengan Fuzzy Logic Controller pada Capacitated Vehicle Routing Problem
Penerapan Adaptive Genetic Algorithm dengan Fuzzy Logic Controller pada Capacitated Vehicle Routing Problem Tri Kusnandi Fazarudin 1, Rasyid Kurniawan 2, Mahmud Dwi Sulistiyo 3 1,2 Prodi S1 Teknik Informatika,
Lebih terperinciPENGENALAN POLA HURUF ROMAWI DENGAN JARINGAN SARAF TIRUAN PERSEPTRON LAPIS JAMAK
PENGENALAN POLA HURUF ROMAWI DENGAN JARINGAN SARAF TIRUAN PERSEPTRON LAPIS JAMAK Eko Budi Wahyono*), Suzuki Syofian**) *) Teknik Elektro, **) Teknik Informatika - Fakultas Teknik Abstrak Pada era modern
Lebih terperinciImplementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series
Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series Oleh: ABD. ROHIM (1206 100 058) Dosen Pembimbing: Prof. Dr. M. Isa Irawan, MT Jurusan Matematika
Lebih 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 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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Jaringan Syaraf Tiruan Artificial Neural Network atau Jaringan Syaraf Tiruan (JST) adalah salah satu cabang dari Artificial Intelligence. JST merupakan suatu sistem pemrosesan
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 II NEURAL NETWORK (NN)
BAB II NEURAL NETWORK (NN) 2.1 Neural Network (NN) Secara umum Neural Network (NN) adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan syaraf manusia. NN ini merupakan
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 terperinciNeural Network (NN) Keuntungan penggunaan Neural Network : , terdapat tiga jenis neural network Proses Pembelajaran pada Neural Network
Neural Network (NN) adalah suatu prosesor yang melakukan pendistribusian secara besar-besaran, yang memiliki kecenderungan alami untuk menyimpan suatu pengenalan yang pernah dialaminya, dengan kata lain
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 terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Beberapa tahun terakhir ini, terlihat perkembangan penelitian yang pesat pada berbagai bidang ilmu komputer, dan penggunaan ilmu komputer pada kendaraan telah mencapai
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI NILAI KURS JUAL SGD-IDR
Seminar Nasional Teknologi Informasi dan Multimedia 205 STMIK AMIKOM Yogyakarta, 6-8 Februari 205 IMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Jaringan Syaraf Biologi Jaringan Syaraf Tiruan merupakan suatu representasi buatan dari otak manusia yang dibuat agar dapat mensimulasikan apa yang dipejalari melalui proses pembelajaran
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Akhir-akhir ini kita banyak mendengar banyak berita bahwa Perusahaan Listrik Negara (PLN) mengalami kerugian yang sangat besar setiap tahunnya yang disebabkan faktor-faktor
Lebih terperinciIMPLEMENTASI ALGORITMA PERCEPTRON UNTUK PENGENALAN POLA MASUKAN BINER MAUPUN BIPOLAR MENGGUNAKAN BORLAND DELPHI
IMPLEMENTASI ALGORITMA PERCEPTRON UNTUK PENGENALAN POLA MASUKAN BINER MAUPUN BIPOLAR MENGGUNAKAN BORLAND DELPHI Andi Harmin Program Studi : Teknik Komputer STMIK Profesional Makassar andiharmin1976@gmail.com
Lebih terperinciPENGEMBANGAN SUMBER BELAJAR MATAKULIAH SISTEM CERDAS KOMPETENSI JARINGAN SYARAF TIRUAN
PENGEMBANGAN SUMBER BELAJAR MATAKULIAH SISTEM CERDAS KOMPETENSI JARINGAN SYARAF TIRUAN Slamet Wahyudi 1, Anik Nur Handayani 2, Heru Wahyu Herwanto 3 1.2.3 Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciBAB II DASAR TEORI Jaringan Syaraf Tiruan. Universitas Sumatera Utara
BAB II DASAR TEORI Landasan teori adalah teori-teori yang relevan dan dapat digunakan untuk menjelaskan variabel-variabel penelitian. Landasan teori ini juga berfungsi sebagai dasar untuk memberi jawaban
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 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 terperinciBAB 2 TINJAUAN PUSTAKA. menggunakan teknik statistik, matematika, kecerdasan buatan, tiruan dan machinelearning
BAB 2 TINJAUAN PUSTAKA 2.1. Data Mining Data mining adalah kombinasi secara logis antara pengetahuan data, dan analisa statistik yang dikembangkan dalam pengetahuan bisnis atau suatu proses yang menggunakan
Lebih terperinciMODEL PEMBELAJARAN JARINGAN SYARAF TIRUAN UNTUK OTOMATISASI PENGEMUDIAN KENDARAAN BERODA TIGA
MODEL PEMBELAJARAN JARINGAN SYARAF TIRUAN UNTUK OTOMATISASI PENGEMUDIAN KENDARAAN BERODA TIGA Ramli e-mail:ramli.brt@gmail.com Dosen Tetap Amik Harapan Medan ABSTRAK Jaringan Syaraf Tiruan adalah pemrosesan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
1 BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Indonesia merupakan negara berkembang yang memiliki jumlah penduduk yang cukup banyak. Menurut hasil sensus penduduk tahun 2010 yang dikeluarkan
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 terperinciMengenal Artificial Intelligence, Machine. Learning, Neural Network, dan Deep Learning
Mengenal Artificial Intelligence, Machine Learning, Neural Network, dan Deep Learning Abu Ahmad www.teknoindonesia.com E-mail: abuahmad@promotionme.com Abstract Dengan semakin canggihnya teknologi dan
Lebih terperinciGambar 1. Hop multi komunikasi antara sumber dan tujuan
Routing pada Jaringan Wireless Ad Hoc menggunakan teknik Soft Computing dan evaluasi kinerja menggunakan simulator Hypernet Tulisan ini menyajikan sebuah protokol untuk routing dalam jaringan ad hoc yang
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) CIG4C3 EVOLUTIONARY COMPUTATION Disusun oleh: Untari Novia Wisesty Syahrul Mubarok PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR
Lebih terperinciPeramalan Kebutuhan Beban Sistem Tenaga Listrik Menggunakan Algoritma Genetika
Peramalan Kebutuhan Beban Sistem Tenaga Listrik Menggunakan Algoritma Genetika M. Syafrizal, Luh Kesuma Wardhani, M. Irsyad Jurusan Teknik Informatika - Universitas Islam Negeri Sultan Syarif Kasim Riau
Lebih terperinciPERANCANGAN APLIKASI MENGIDENTIFIKASI PENYAKIT MATA DENGAN MENGGUNAKAN METODE BACKPROPAGATION
Jurnal Riset Komputer (JURIKOM), Volume : 3, Nomor:, Februari 206 ISSN : 2407-389X PERANCANGAN APLIKASI MENGIDENTIFIKASI PENYAKIT MATA DENGAN MENGGUNAKAN METODE BACKPROPAGATION Fahmi Hasobaran Dalimunthe
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori-teori Dasar / Umum 2.1.1 Genetic Algorithm Genetic algorithm adalah suatu algoritma yang biasanya digunakan untuk mencari solusi-solusi yang optimal untuk berbagai masalah
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 terperinciPerbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation
65 Perbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation Risty Jayanti Yuniar, Didik Rahadi S. dan Onny Setyawati Abstrak - Kecepatan angin dan curah
Lebih terperinciANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA
ANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA Nurmahaludin (1) (1) Staf Pengajar Jurusan Teknik Elektro Politeknik Negeri Banjarmasin Ringkasan Kebutuhan
Lebih terperinciANALISIS DAN IMPLEMENTASI GABUNGAN ALGORITMA GENETIKA DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION (STUDY KASUS PERAMALAN SAHAM)
ANALISIS DAN IMPLEMENTASI GABUNGAN ALGORITMA GENETIKA DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION (STUDY KASUS PERAMALAN SAHAM) Hanura Ian Pratowo¹, Retno Novi Dayawati², Agung Toto Wibowo³ ¹Teknik Informatika,,
Lebih terperinciPERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) L K Widyapratiwi 1, I P A Mertasana 2, I G D Arjana 2 1 Mahasiswa Teknik Elektro, Fakultas
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 terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM
IMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM Ayu Trimulya 1, Syaifurrahman 2, Fatma Agus Setyaningsih 3 1,3 Jurusan Sistem Komputer, Fakultas MIPA Universitas
Lebih terperinciRANCANG BANGUN TOOL UNTUK JARINGAN SYARAF TIRUAN (JST) MODEL PERCEPTRON
RANCANG BANGUN TOOL UNTUK JARINGAN SYARAF TIRUAN (JST) MODEL PERCEPTRON Liza Afriyanti Laboratorium Komputasi dan Sistem Cerdas Jurusan Teknik Informatika, Fakultas Teknologi Industri,Universitas Islam
Lebih terperinciSTUDI ANALISA PELATIHAN JARINGAN SYARAF TIRUAN DENGAN DAN TANPA ALGORITMA GENETIKA
STUDI ANALISA PELATIHAN JARINGAN SYARAF TIRUAN DENGAN DAN TANPA ALGORITMA GENETIKA (Agustinus N., et al. STUDI ANALISA PELATIHAN JARINGAN SYARAF TIRUAN DENGAN DAN TANPA ALGORITMA GENETIKA Agustinus Noertjahyana
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 terperinciFUZZY ELMAN RECURRENT NEURAL NETWORK DALAM PERAMALAN HARGA MINYAK MENTAH DI INDONESIA DENGAN OPTIMASI ALGORITMA GENETIKA TUGAS AKHIR SKRIPSI
FUZZY ELMAN RECURRENT NEURAL NETWORK DALAM PERAMALAN HARGA MINYAK MENTAH DI INDONESIA DENGAN OPTIMASI ALGORITMA GENETIKA TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciBAB I PENDAHULUAN. semakin meningkat. Menurut Khisma (2016: 9) kemacetan kendaraan bermotor
BAB I PENDAHULUAN A. Latar Belakang Masalah Yogyakarta merupakan kota dengan tingkat kemacetan lau lintas yang semakin meningkat. Menurut Khisma (2016: 9) kemacetan kendaraan bermotor menyebabkan banyak
Lebih terperinciMetode Jaringan Saraf Tiruan Propagasi Balik Untuk Estimasi Curah Hujan Bulanan di Ketapang Kalimantan Barat
Prosiding Semirata FMIPA Universitas Lampung, 2013 Metode Jaringan Saraf Tiruan Propagasi Balik Untuk Estimasi Curah Hujan Bulanan di Ketapang Kalimantan Barat Andi Ihwan Prodi Fisika FMIPA Untan, Pontianak
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY
PENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY Arief Kelik Nugroho Fakultas Teknik, Universitas PGR Yogyakarta e-mail : ariefkeliknugroho@gmail.com Abstrak
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION SEBAGAI ESTIMASI LAJU TINGKAT PENGANGGURAN TERBUKA PADA PROVINSI JAWA TIMUR
IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION SEBAGAI ESTIMASI LAJU TINGKAT PENGANGGURAN TERBUKA PADA PROVINSI JAWA TIMUR Sofi Dwi Purwanto Teknik Informatika Universitas Islam Negeri Maulana Malik
Lebih terperinciSISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Barcode Rcognition System Using Backpropagation Neural Networks M. Kayadoe, Francis Yuni Rumlawang, Yopi Andry Lesnussa * Jurusan
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 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 terperinciTAHUN AKADEMIK 2016/2017. : PENGANTAR INTELEGENSI BUATAN : Betha Nurina Sari, M.Kom. : Open Book via Google Form (90 Menit)
IFT 501 PANITIA UJIAN AKHIR SEMESTER GANJIL FAKULTAS ILMU KOMPUTER UNIVERSITAS SINGAPERBANGSA KARAWANG Jl. H.S. Ronggowaluyo Telukjambe Telp. (0267) 641177 Ex 307 Fax (0267) 641367 Karawang 41361 TAHUN
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Tinjauan Literatur Algoritma genetik merupakan salah satu algoritma yang biasanya digunakan dalam optimalisasi data. Namun penggunaan algoritma genetik dalam melakukan peramalan
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 terperinciBAB II LANDASAN TEORI. Beberapa penelitian yang telah dilakukan sebelumnya terkait dengan
BAB II LANDASAN TEORI 2.1. State of The Art Beberapa penelitian yang telah dilakukan sebelumnya terkait dengan judul yang diangkat adalah : Tian Syung Lan, dkk. melakukan menggunakan metode Neural Network
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 terperinciBAB 2 TINJAUAN PUSTAKA
5 BAB 2 TINJAUAN PUSTAKA 2.1. Analisis Analisis adalah kemampuan pemecahan masalah subjek kedalam elemen-elemen konstituen, mencari hubungan-hubungan internal dan diantara elemen-elemen, serta mengatur
Lebih terperinciManajemen Sains: Artificial Neural Networks. Dr. Ir. Gunadi Widi Nurcahyo, MSc.
Manajemen Sains: Artificial Neural Networks Dr. Ir. Gunadi Widi Nurcahyo, MSc. Outline 1. Pengertian JST 2. Model Sel Syaraf (Neuron) 3. Fungsi Aktivasi 4. Arsitektur Jaringan 5. Proses Belajar (Learning)
Lebih terperinciT 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX
T 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX Oleh: Intan Widya Kusuma Program Studi Matematika, FMIPA Universitas Negeri yogyakarta
Lebih terperinciAnalisis Dan Implementasi Sistem Fuzzy dan Evolutionary Programming dada Pengaturan Lampu Lalu Lintas Cerdas
Analisis Dan Implementasi Sistem Fuzzy dan Evolutionary Programming dada Pengaturan Lampu Lalu Lintas Cerdas Mahmud Dwi Sulistiyo Fakultas Informatika Institut Teknologi Telkom, Bandung mahmuddwis@gmail.com
Lebih terperinciJARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORKS)
JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORKS) (Artificial Neural Networks) BAB I PENDAHULUAN 1.1 Sejarah JST JST : merupakan cabang dari Kecerdasan Buatan (Artificial Intelligence ) JST : meniru
Lebih terperinci1. Pendahuluan. 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Pasar valuta asing telah mengalami perkembangan yang tak terduga selama beberapa dekade terakhir, dunia bergerak ke konsep "desa global" dan telah menjadi salah satu pasar
Lebih terperinciSISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON
Jurnal Informatika Mulawarman Vol. 7 No. 3 Edisi September 2012 105 SISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON Anindita Septiarini Program Studi Ilmu Komputer FMIPA,
Lebih terperinciPREDIKSI KUALITAS AIR BERSIH PDAM KOTA PALU MENGGUNAKAN METODE BACKPROPAGATION
JIMT Vol. 4 No. Juni 207 (Hal 47-55) ISSN : 2450 766X PREDIKSI KUALITAS AIR BERSIH PDAM KOTA PALU MENGGUNAKAN METODE BACKPROPAGATION J.R. Mustakim, R. Ratianingsih 2 dan D. Lusiyanti 3,2,3 Program Studi
Lebih terperinciIDENTIFIKASI PEMBUAT TULISAN TANGAN MENGGUNAKAN HAAR WAVELET DAN ALGORITMA PROPAGASI BALIK LEVENBERG MARQUARDT
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2011 IDENTIFIKASI PEMBUAT TULISAN TANGAN MENGGUNAKAN HAAR WAVELET DAN ALGORITMA PROPAGASI BALIK LEVENBERG MARQUARDT Rizky Suslianto¹, Sri Widowati², Bedy
Lebih terperinciOPTIMASI HASIL PREDIKSI KETERSEDIAAN ENERGI SUMBER DAYA MINERAL MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI HASIL PREDIKSI KETERSEDIAAN ENERGI SUMBER DAYA MINERAL MENGGUNAKAN ALGORITMA GENETIKA Eka Handayani 1, Jondri,Drs.,M.T. 2, Siti Sa adah,s.t.,m.t. 3 1,2,3 ProdiS1 Teknik Informatika, Fakultas Teknik,
Lebih terperinciSILABUS MATAKULIAH. Revisi : 4 Tanggal Berlaku : 04 September 2015
SILABUS MATAKULIAH Revisi : 4 Tanggal Berlaku : 04 September 2015 A. Identitas 1. Nama Matakuliah : Sistem Cerdas 2. Program Studi : Teknik Industri 3. Fakultas : Teknik 4. Bobot sks : 2 SKS 5. Elemen
Lebih terperinciAnalisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation
Analisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation Anjar Wanto STIKOM Tunas Bangsa Pematangsiantar Pematangsiantar, Indonesia anjarwanto@amiktunasbangsa.ac.id
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 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 terperinciAnalisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation
Analisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation Anjar Wanto STIKOM Tunas Bangsa Pematangsiantar Pematangsiantar, Indonesia anjarwanto@amiktunasbangsa.ac.id
Lebih terperinciPREDICTION OF AGRICULTURAL COMMODITIES PRICE USING HYBRID RADIAL BASIS FUNCTION NEURAL NETWORK WITH GENETIC ALGORITHM
PREDIKSI HARGA KOMODITAS PERTANIAN MENGGUNAKAN HYBRID ALGORITMA JARINGAN SYARAF TIRUAN ARSITEKTUR RADIAL BASIS FUNCTION (RBF) DENGAN ALGORITMA GENETIKA PREDICTION OF AGRICULTURAL COMMODITIES PRICE USING
Lebih terperinciBAB I PENDAHULUAN. Machine learning (ML), bagian dari kecerdasan buatan (artificial
BAB I PENDAHULUAN 1. 1.1. Latar Belakang Machine learning (ML), bagian dari kecerdasan buatan (artificial intelligence), merupakan metode untuk mengoptimalkan performa dari sistem dengan mempelajari data
Lebih terperinciJurnal Informatika Mulawarman Vol 5 No. 1 Februari
Jurnal Informatika Mulawarman Vol 5 No. 1 Februari 2010 50 Penerapan Jaringan Syaraf Tiruan Untuk Memprediksi Jumlah Pengangguran di Provinsi Kalimantan Timur Dengan Menggunakan Algoritma Pembelajaran
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 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 terperinciJaringan Syaraf Tiruan dengan Pembelajaran Algoritma Genetika dan Diversitas untuk Deteksi Kelas Penyakit
Jaringan Syaraf Tiruan dengan Pembelajaran Algoritma Genetika dan Diversitas untuk Deteksi Kelas Penyakit Abidatul Izzah 1), Ratih Kartika Dewi 2) 1)2) Jurusan Teknik Informatika ITS Surabaya Jl. Teknik
Lebih terperinciPERAMALAN HARGA EMAS MENGGUNAKAN ALGORTIMA MEMETIKA DENGAN PENCARIAN LOCAL TABU SEARCH. Iqbal Dwihanandrio
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 6447 PERAMALAN HARGA EMAS MENGGUNAKAN ALGORTIMA MEMETIKA DENGAN PENCARIAN LOCAL TABU SEARCH Iqbal Dwihanandrio S1 Teknik Informatika
Lebih terperinciSISTEM PENGAMBILAN KEPUTUSAN WAKTU PERPINDAHAN LAMPU LALU LINTAS MENGGUNAKAN METODE NEURO-FUZZY PADA SISTEM TRANPORTASI CERDAS
1 SISTEM PENGAMBILAN KEPUTUSAN WAKTU PERPINDAHAN LAMPU LALU LINTAS MENGGUNAKAN METODE NEURO-FUZZY PADA SISTEM TRANPORTASI CERDAS Muhammad Dwi Wicaksana 1, Fauzan Ade Azizie 2, Indrabayu Amirullah 3, Ingrid
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
7 BAB 2 TINJAUAN PUSTAKA 2.1 Jaringan Syaraf Biologi Otak manusia memiliki struktur yang sangat kompleks dan memiliki kemampuan yang luar biasa. Otak terdiri dari neuron-neuron dan penghubung yang disebut
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
34 BAB 3 METODOLOGI PENELITIAN 3.1. Pendahuluan Pengenalan pola (pattern recognition) adalah proses klasifikasi dari suatu objek atau pola menjadi beberapa kategori atau kelas, yang mana bertujuan untuk
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman 441-450 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PREDIKSI DATA HARGA SAHAM HARIAN MENGGUNAKAN FEED FORWARD NEURAL
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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada awal diciptakan, komputer hanya difungsikan sebagai alat hitung saja. Namun seiring dengan perkembangan zaman, maka peran komputer semakin mendominasi kehidupan.
Lebih terperinciBAB III. METODOLOGI. kegiatan manusia membuat penelitian dengan domain teknik informatika
BAB III. METODOLOGI 3.1. Kerangka Pikir Teknik informatika yang memiliki andil yang cukup besar dalam berbagai kegiatan manusia membuat penelitian dengan domain teknik informatika merupakan hal yang menarik
Lebih terperinciPERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK
Jurnal POROS TEKNIK, Volume 6, No. 2, Desember 2014 : 55-10 PERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK Nurmahaludin (1) (1) Staff Pengajar Jurusan
Lebih terperincilalu menghitung sinyal keluarannya menggunakan fungsi aktivasi,
LAMPIRAN 15 Lampiran 1 Algoritme Jaringan Syaraf Tiruan Propagasi Balik Standar Langkah 0: Inisialisasi bobot (bobot awal dengan nilai random yang paling kecil). Langkah 1: Menentukan maksimum epoch, target
Lebih terperinciAnalisis Jaringan Saraf Tiruan Model Perceptron Pada Pengenalan Pola Pulau di Indonesia
Jurnal Ilmiah Teknologi dan Informasi ASIA (JITIKA) Vol.11, No.1, Februari 2017 ISSN: 0852-730X Analisis Jaringan Saraf Tiruan Model Perceptron Pada Pengenalan Pola Pulau di Indonesia Muhammad Ulinnuha
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Peningkatan yang pesat dalam jumlah kendaraan dikota besar memiliki dampak terhadap kebutuhan parkir di tempat-tempat umum seperti di rumah sakit, kantor, pusat perbelanjaan,
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 terperinciOPTIMASI FUZZY BACKPROPAGATION NEURAL NETWORK DENGAN ALGORITMA GENETIKA UNTUK MEMPREDIKSI NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA
OPTIMASI FUZZY BACKPROPAGATION NEURAL NETWORK DENGAN ALGORITMA GENETIKA UNTUK MEMPREDIKSI NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciJaringan Syaraf Tiruan pada Robot
Jaringan Syaraf Tiruan pada Robot Membuat aplikasi pengenalan suara untuk pengendalian robot dengan menggunakan jaringan syaraf tiruan sebagai algoritma pembelajaran dan pemodelan dalam pengenalan suara.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dielaskan mengenai teori-teori yang berhubungan dengan penelitian ini, sehingga dapat diadikan sebagai landasan berpikir dan akan mempermudah dalam hal pembahasan
Lebih terperinci