Perbandingan Antara Algoritma Penghapusan Bising Adaptif LMS dan Adaptif RLS dalam Penghapusan Bising Kendaraan
|
|
- Surya Gunardi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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) 1) Mahasiswa S3 Jurusan eni Eletro, F UGM, ) Staf Pengaar Jurusan eni Eletro, F, UGM, 3) Staf Pengaar Jurusan Eletronia dan Instrumentasi, MIPA, UGM Abstra Permasalahan dalam penelitian ini dihususan pada perbandingan hasil LMS Adaptif dan RLS Adaptif pada proses peredaman bising dengan sumber bising suara endaraan bermotor. Perbandingan didasaran pada besar (uuran langah), luasan peralanan bobotnya, dan hasil (galat) yang diharapan telah terhapus bising endaraannya dan yang tersisa adalah informasi yang diharapan. Kata Kunci: LMS adaptif, RLS Adaptif, bobot, galat, uuran langah. 1. Pendahuluan Algoritma LMS (Least Mean Square) Adaptif adalah algoritma yang paling sederhana ditinau dari tida perlu dietahuinya nilai gradien sesaat yang sama dengan arah penurunan MSE dan orelasi antara input dan targetnya. Dalam penelitian ini ditinau Algoritma Adaptif yang lain, yaitu RLS (Recursive Least Square) Adaptif, selanutnya dibandingan dengan Algoritma LMS Adaptif. Perbandingan ini untu mengetahui Algoritma terbai yang dapat dipaai dalam penghapusan bising dengan sumber bising suara endaraan bermotor. Permasalahan pada penelitian ini adalah membandingan hasil peralanan bobot, nilai dan hasil proses Adaptif LMS dengan RLS untu peredamaan bising endaraan bermotor.. Fundamental Penghapusan bising dengan Algoritma LMS Adaptif memerluan beberapa parameter dalam proses perhitungannya. Parameter-parameter tersebut tergantung pada enis bising yang aan diredam, masuan yang dianggap sebagai d (desired input), serta x yang menadi referensnya. Bentu sederhana yang abaran analitia seterusnya mudah dilauan adalah penggabung linear (Linear Combiner) berbentu apis ransversal. Pada asasnya, proses adaptasi adalah proses penelusuran menuu titi terendah urve Mean Square Error (MSE) yang berbentu paraboloid yang dapat diterangan secara ringas sebagai beriut: d d d d y d
2 dengan galat hasil adaptasi saat iterasi e- d = hasil yang diinginan (desired output) saat iterasi e- y = eluaran (output) pada saat iterasi e- x = masuan (input) pada saat iterasi e- w = bobot pada iterasi e- MSE dapat dicari sebagai beriut: MSE= E[ ] E[ d ] E[ ] E[d ] Karena R=E[ ] dan P=E[d ], maa ξ E[ε E[d ] ] R P (.1) dengan R adalah auto-orelasi antar masuan x, sedangan P adalah rosorelasi antara d dan x, sehingga gradien MSE dapat diuraian menadi: atau 0 0 w 1 w1 w L w R P (.) Untu memperoleh nilai MSE terecil (minimum MSE), maa vetor bobot haruslah suatu nilai yang optimal *, etia gradien MSE = 0: 0 R * P 1 * R P (.3) Berdasar rangaian penggabung linear, dengan memperhatian gambaran bentu paraboloid, main auh dari titi terendah, main curam atau main besar nilai gradiennya. Ini berarti langah adaptasi lebih besar bila masih auh dari titi terendah yang merupaan titi tuuan. Dengan demiian dapat ditentuan langah adaptasi, yang berwuud perubahan nilai-nilai bobot, yang sebanding dengan nilai gradien sesaat, pada arah penurunan, yang berarti ebalian arah gradien atau ( ). Kemudian arena posisi * sebanding dengan R -1, yaitu * = R -1 P, pada persamaan (.3), maa arah adaptasi disesuaian dengan rumusan ini, maa dapat ditulis suatu bentu algoritma adaptasi yang sederhana: (.4) 1 1 R dengan sebagai parameter variasi uuran langah. Parameter ini diperiraan secara analitis bila matris ovarians R sudah tertentu atau dicari secara coba-coba bila R belum pasti wuudnya. Ide dasar penyesuaian dengan R adalah penyesuaian dengan posisi sesaat pada permuaan unuera. Berdasar mana geometris nilaieigen, besar berarti pada arah tebing curam. Dapat dipahami bila uuran langah yang terait dengan nilai parameter, adalah berbanding terbali dengan.karena nilai harus positif (langah mau menuu titi terendah) maa telah dietahui batasan lengapnya: 0 < 1. Maa algoritma berdasar persamaan (.4) merupaan algoritma terbai, yang disebut Algoritma Newton.
3 Dalam asus isyarat x dan d belum dietahui atau belum ada datanya, maa elas matris R tida mungin dipaai dalam algoritma. Karena itu ditulis algoritma lain yang hanya mengandalan nilai gradien: 1 μ (.5) yang dinamaan algoritma penurunan tercuram (steepest descent). Namun dalam prate, gradien hanya diperoleh secara periraan pendeatan. Dengan gradien yang didapat merupaan pendeatan, maa ea adaptasi menuu tit terendah aan cenderung zig-zag. Karena periraan nilai gradien uga sebenarnya memerluan pengetahuan mengenai permuaan unuera, maa logis bila diauan uga algoritma yang hanya memerluan data atau pengetahuan nilai-nilai sesaat isyarat yang ada, yaitu x dan d atau x dan = d - y, arena y uga sudah dihitung setelah x masu sistem adaptif. Dengan dasar penabaran algoritma berdasar turunan/diferensial parsial nilai sesaat, dan dengan pantauan nilai rerata yang telah mencapai nilai ecil atau nilai ambang tertentu, maa muncul algoritma LMS 1 (.6) Selain Algoritma LMS ada uga algoritma lain yang dapat digunaan, yaitu Algoritma RLS. Algoritma RLS memilii perbedaan dengan Algoritma LMS dalam penghitungan bobotnya. Perbedaan antara Algoritma LMS dan RLS dapat dilihat dari rumus bobotnya: +1 = + K, dengan nilai K untu masing-masing Algoritma memilii nilai yang berbeda, seperti dalam abel 1: abel 1: Nilai K untu Algoritma LMS dan RLS LMS RLS 3. Metodologi K=, 0 K P P 1 1 max P P P P P 1 P 4 0 I,! 0 Untu pengambilan sinyal, dipasang dua mirofon untu memperoleh sinyal referens di sumber bising dan sinyal utama di dalam ruang yang uga mengandung sinyal bising. Sebagai alat utama adalah omputer dengan spesifiasi: Prosesor Intel Pentium 4, 1 GHz, RAM minimum 18 M, dan Hard Dis Seagate minimum 0 GB. Sound card yang berfungsi sebagai Analog / Digital (A/D) dan Digital / Analog (D/A) adalah Creative Vibra dengan port PCI atau On Board. Data yang digunaan adalah bising yang bersifat multifreuensi dan satu gelombang dengan freuensi tertentu sebagai data suara yang tida boleh iut teredam. 4. Hasil dan Pembahasan Dengan menggunaan omputer yang telah disebutan spesifiasinya, suara endaraan diream dengan menggunaan stereo sound card melalui dua mirofon, yang satu diletaan di dalam ruangan yang aan dihapusan bisingnya, yang lainnya diletaan di luar ruangan yang deat dengan sumber bising, yang bersifat stasioner. Hasil reaman suara dari masingmasing mirofon yang berupa wave file,
4 secara terpisah, selanutnya diproses dengan algoritma adaptif LMS dan algoritma adaptif RLS. Idealnya galat yang muncul sebagai hasil proses adaptif sama dengan tutur (suara yang tida boleh iut teredam). Aan tetapi pada enyataannya eadaan itu tida mungin tercapai. Diteliti seberapa besar galat yang dihasilan apabila diproses dengan algoritma adaptif LMS dan algoritma adaptif RLS. adaptif, nilai MSE minimum teradi saat L = 30 dengan delay d = 10 atau 130. Selanutnya apabila y atau output proses adaptif pertama menadi referens untu proses adaptif yang edua, maa nilai MSE nya dapat dilihat dalam abel 3. abel 3: Hasil MSE Proses Kedua Suara Kendaraan Kiang Diesel erfilter Low Pass Filter 15 Hz Dengan Sampel Penghapusan Bising LMS Adaptif Dua Proses Untu Isyarat Suara Kendaraan Diteliti nilai MSE untu suara endaraan iang diesel, dengan menggunaan program dalam C, yaitu latif_3_fx.c. Mula-mula untu satu proses adaptif, selanutnya untu dua proses adaptif. Hal ini mengingat dengan satu proses adaptif saa masih menyisaan bising yang cuup mengganggu. Penelitian untu mencari nilai MSE dilauan dengan memfilter isyarat-isyarat suara endaraan terlebih dahulu untu menghilangan isyarat runcing atau isyarat freuensi tinggi agar proses adaptif beralan lebih cepat. Secara rinci nilai-nilai MSE dapat diperhatian dalam abel dan abel 3 beriut. abel : Hasil MSE Proses Pertama Suara Kendaraan Kiang Diesel erfilter Low Pass Filter 15 Hz Dengan Sampel ernyata nilai optimum dicapai untu Penghapusan Bising LMS Adaptif dengan dua proses adalah L = 30, dengan delay d = 100. Nilai inilah yang aan menadi acuan untu program LMS Adaptif dengan menggunaan program dalam bahasa C dengan dua proses. Beriut adalah sema program LMS Adaptif dengan menggunaan dua proses: 1. Proses pertama: d adalah Sinyal Dalam, x atau referensnya adalah Sinyal Luar, diharapan outputnya hampir mirip dengan Sinyal Dalam, sehingga nilai (error) mendeati nol.. Proses edua: d adalah Sinyal Dalam dicampur tutur, sedang x diambil output dari proses pertama. Diharapan nilai (error) lebih mendeati nol. Untu lebih elasnya diberian sema penelitian dengan dua proses diatas: abel, menunuan bahwa untu =0,001 dan dengan satu proses
5 Gambar 3.1: Bagan Penelitian LMS Adaptif dengan Dua Proses Hasil edua proses diatas dapat dilihat pada Gambar 3..a sampai dengan 3..c, dengan program C yaitu Sidang_\adaptif.c. Hasil program tersebut disimpan dalam sptool (Matlab), yaitu dalam C\wor\Disertasi_\Fre Sampel Berubah\ Sidang_.spt. Gambar 3..a: Isyarat utur Bercampur dengan Bising Kendaraan Diesel Sebelum Dilauan Kedua Proses LMS Adaptif Gambar 3..c: Isyarat utur Bercampur dengan Bising Kendaraan Diesel Sebelum dan Setelah Dilauan Kedua Proses LMS Adaptif Gambar 3..c menunuan sudah terdapat penghapusan bising dari isyarat asli tutur yang bercampur bising (isyarat berwarna hiau) dan hasil proses LMS Adaptif dengan dua proses (isyarat berwarna merah) dengan d = 100 dan L = 30. Apabila didengaran dengan telinga manusia, tutur tetap terdengar. Mesipun tutur yang berfreuensi rendah iut teredam, namun tutur yang berfreuensi tinggi masih terdengar elas. Sisa bising masih terdengar tetapi sudah buan merupaan suara endaraan tetapi suara desis. Adapun peralanan bobot w 1 dan w pada proses II (program matlab: ralat _delay _awal _ iterasi _0, Lampiran 8) terdapat dalam Gambar 3..d. Gambar 3..b: Isyarat utur Bercampur dengan Bising Kendaraan Diesel Setelah Dilauan Kedua Proses LMS Adaptif Gambar 3..d: Koordinat 1 dan Hasil Proses LMS Adaptif Kedua
6 4. Penghapusan Bising RLS Adaptif Dua Proses Untu Isyarat Suara Kendaraan Proses RLS Adaptif cuup berat omputasinya untu L yang besar, hal ini disebaban arena dalam algoritmanya terdapat matris LxL yang dihitung sampai iterasi e N. Setelah dilauan proses RLS Adaptif preditif, diharapan dengan memperbesar L, maa nilai onstanta dalam penyebut rumus K (atau selanutnya dinamaan var_k) aan dapat mengecil. Aan tetapi enyataannya main besar L hasil adaptasinya tida menunuan adanya eberhasilan dalam peredaman bising, aan tetapi main meningatan bising baru yang memilii freuensi tinggi, sehingga edengaran seperti bunyi desis. Hal ini cuup mengganggu pendengaran manusia. Karena ondisi itulah, dilauan dua proses adaptif dengan L cuup ecil, yaitu L = 3. Gambar 3.3.b: Hasil Pada Proses I dengan L = 3, var_k=0,5, Delay 300 Gambar 3.3.c: d Pada Proses RLS Adaptif II (dengan utur) Gambar 3.3.a: d Pada Proses RLS Adaptif I Gambar 3.3.d: Hasil Pada Proses II dengan L = 3, var_k=0,6; Delay 300
7 abel 4: Hasil Pengahapusan Bising dengan Berbagai Macam Proses Adaptif Gambar 3.3.e: Hasil y Pada Proses I dengan L = 3, var_k=0,5, Delay 300 Output y mirip dengan d, mesipun masih nampa ada delay. Gambar yang lebih elas terdapat pada Sptool pada folder RLS_lengap, dengan nama RLS_proses. Maa output y dapat diadian referensi untu proses Adaptif RLS II, dengan d adalah isyarat dari dalam ruang yang telah dicampur tutur. Selanutnya aan diberian peralanan bobot w 1 dan w untu proses Adaptif RLS pada proses II. Pada abel 4, delay yang terbanya terdapat pada proses RLS, yaitu 300, hal ini disebaban arena L pada proses RLS bernilai ecil. L yang besar pada proses RLS menyebaban watu omputasi yang sangat panang, arena adanya perhitungan matris L x L. Hasil adaptasinya untu L besar pun aan menadi tida optimal arena hilangnya bunyi bising digantian oleh munculnya desis yang cuup besar, yang diaibatan arena adanya error omputasi. Dalam Algoritma RLS ini penghitungan delay cuup membantu mengoptimalan hasil adaptasi, arena L dalam Algoritma ini tida memunginan diambil besar seperti Algoritma LMS. 4.3 Perbandingan Antara Algoritma LMS Adaptif dan RLS Adaptif Gambar 3.3.f: Peralanan Bobot 1 dan Pada Proses RLS Adaptif II Dari uraian di atas dapat disimpulan dalam abel 4, hasil perbedaan antara LMSAdaptif dengan RLS Adaptif. Hasil peralanan pasangan bobot 1 dan uga menempati luasan yang berbeda. Algoritma LMS memerluan luasan seitar 0,5 satuan luas untu peralanan pasangan bobotnya. Algoritma RLS sebesar 160 satuan luas. Mesipun peralanan bobot untu Algoritma RLS cuup luas, aan tetapi sebenarnya Algoritma ini hanya memerluan beberapa langah peralanan bobot untu mencapai nilai optimum (dilihat dari nilai L yang cuup ecil), mesipun peralanan bobot itu
8 memilii ara tempuh yang cuup panang. Hasil untu Algoritma LMS (Gambar 3..c) telah menunuan adanya penurunan suara bising sebelum dan setelah diredam. Selain itu suara informasi yang diinginan tetap muncul mesipun ada pengurangan amplitude untu informasi dengan freuensi rendah. Hal ini bahan dapat menadi euntungan (nilai positif) arena informasi dengan freuensi yang lebih tinggi aan membuat telinga manusia lebih elas dalam menerima informasi tersebut. 5. Kesimpulan Dari penelitian di atas dapat disimpulan bahwa 1. Algoritma LMS Adaptif memerluan nilai L yang lebih besar daripada Algoritma RLS Adaptif.. Mesipun lebih lama namun Algoritma LMS Adaptif dapat meredam bising lebih bai daripada Algoritma RLS Adaptif. 3. Peralanan bobot Algoritma LMS menempati luasan yang auh lebih ecil dibandingan dengan Algoritma RLS. Daftar Pustaa - Sumeh, Alat Peredam Bising Eletronis, esis, S Eletro UGM, idrow, B., dan S.D. Stearns, Adaptive Signal Processing, Prentice-Hall, Inc., Englewood Clifts, New Jersey, Prastiyanto, D,. Adhi S, A., homas S,., Simulasi Identifiasi Kanal Lintas- Jama pada CDMA secara Adaptif dengan Filter NLMS dan LMS, elomnia, Vol. 4, No. 1, April Nascimento, V.H., he Normalized LMS Algorithm with Dependent Noise, Departemento de Engenharia de Sistemas Electronicos, Escola Politecnica, Universidade de Sao paulo, Sao Paulo, SP. - Susanto, A., Research Report, 198., Comparison of hree Main Adaptive Algorithm., UC Davis., University of California.
KORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak
KORELASI ANARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISEM ADAPIF Sri Arttini Dwi Prasetyawati 1 Abstra Masud pembahasan tentang orelasi dua sinyal adalah orelasi dua sinyal yang sama aan tetapi
Lebih terperinciAplikasi Mikroprosesor Tipe TMS320C6713 Untuk Penghapusan BisingSuara Kendaraan Secara Adaptif
Aplikasi Mikroprosesor Tipe TMS320C6713 Untuk Penghapusan BisingSuara Kendaraan Secara Adaptif Sri Arttini Dwi Prasetyowati,Bustanul Arifin, Eka Nuryanto Budi Susila Staf Pengajar, Jurusan Teknik Elektro,
Lebih terperinciSISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak
SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Oleh : Pandapotan Siagia, ST, M.Eng (Dosen tetap STIKOM Dinamia Bangsa Jambi) Abstra Sistem pengenal pola suara atau yang lebih dienal dengan
Lebih terperinciSISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER
SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Pandapotan Siagian, ST, M.Eng Dosen Tetap STIKOM Dinamia Bangsa - Jambi Jalan Sudirman Theoo Jambi Abstra Sistem pengenal pola suara atau
Lebih terperinciADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoko Sumaryono ABSTRACT
Jurnal Teni Eletro Vol. 3 No.1 Januari - Juni 1 6 ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoo Sumaryono ABSTRACT Noise is inevitable in communication
Lebih terperinciBAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK
BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama
Lebih terperinciOptimasi Non-Linier. Metode Numeris
Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran
Lebih terperinciDESAIN SENSOR KECEPATAN BERBASIS DIODE MENGGUNAKAN FILTER KALMAN UNTUK ESTIMASI KECEPATAN DAN POSISI KAPAL
DESAIN SENSOR KECEPAAN BERBASIS DIODE MENGGUNAKAN FILER KALMAN UNUK ESIMASI KECEPAAN DAN POSISI KAPAL Alrijadjis, Bambang Siswanto Program Pascasarjana, Jurusan eni Eletro, Faultas enologi Industri Institut
Lebih terperinciBAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA
BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA Pada penelitian ini, suatu portfolio memilii seumlah elas risio. Tiap elas terdiri dari n, =,, peserta dengan umlah besar, dan
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1 Keranga Pemiiran Pemerintah ahir-ahir ini sering dihadapan pada masalah persediaan pupu bersubsidi yang daya serapnya rendah dan asus elangaan di berbagai loasi di Indonesia.
Lebih terperinciBAB IV APLIKASI PADA MATRIKS STOKASTIK
BAB IV : ALIKASI ADA MARIKS SOKASIK 56 BAB IV ALIKASI ADA MARIKS SOKASIK Salah satu apliasi dari eori erron-frobenius yang paling terenal adalah penurunan secara alabar untu beberapa sifat yang dimilii
Lebih terperinciESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR)
SEMINAR NASIONAL PASCASARJANA SAL ESIMASI RAJECORY MOBILE ROBO MENGGUNAKAN MEODE ENSEMBLE KALMAN FILER SQUARE ROO (ENKF-SR) eguh Herlambang Zainatul Mufarrioh Firman Yudianto Program Studi Sistem Informasi
Lebih terperinciSTUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT
TUGAS AKHIR STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT 040803023 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciBAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING
Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan
Lebih terperinciPENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Wahyudi, Sorihi, dan Iwan Setiawan. Jurusan Teni Eletro Faultas Teni Universitas Diponegoro Semarang e-mail : wahyuditinom@yahoo.com.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti
Lebih terperinciKENDALI 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 terperinciIII DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT
III DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT 3.1 Studi Literatur tentang Pengelolaan Sampah di Beberapa Kota di Dunia Kaian ilmiah dengan metode riset operasi tentang masalah
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 Latar Belaang PENDAHULUAN Sistem biometri adalah suatu sistem pengenalan pola yang melauan identifiasi personal dengan menentuan eotentian dari arateristi fisiologis dari perilau tertentu yang dimilii
Lebih terperinciPENDETEKSIAN GERAK TANGAN MANUSIA SEBAGAI INPUT PADA KOMPUTER
PENDETEKSIAN GERAK TANGAN MANUSIA SEBAGAI INPUT PADA KOMPUTER Wiaria Gazali 1 ; Haryono Soeparno 2 1 Jurusan Matematia, Faultas Sains dan Tenologi, Universitas Bina Nusantara Jln. K.H. Syahdan No. 9, Palmerah,
Lebih terperinciMODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM
MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM 1,2 Faultas MIPA, Universitas Tanjungpura e-mail: csuhery@sisom.untan.ac.id, email: dedi.triyanto@sisom.untan.ac.id Abstract
Lebih terperinciBAB 2 TEORI PENUNJANG
BAB EORI PENUNJANG.1 Konsep Dasar odel Predictive ontrol odel Predictive ontrol P atau sistem endali preditif termasu dalam onsep perancangan pengendali berbasis model proses, dimana model proses digunaan
Lebih terperinciMakalah Seminar Tugas Akhir. Aplikasi Kendali Adaptif pada Pengendalian Plant Pengatur Suhu dengan Self Tuning Regulator (STR)
Maalah Seminar ugas Ahir Apliasi Kendali Adaptif pada Pengendalian Plant Pengatur Suhu dengan Self uning Regulator (SR) Oleh : Muhammad Fitriyanto e-mail : D_3_N2@yahoo.com Maalah Seminar ugas Ahir Apliasi
Lebih terperinciANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)
Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI FJLB (FINGER JOINT LAMINATING BOARD)
Lebih terperinciPROGRAM SIMULASI UNTUK REALISASI STRUKTUR TAPIS INFINITE IMPULSE RESPONSE UNTUK MEDIA PEMBELAJARAN DIGITAL SIGNAL PROCESSING
Konferensi asional Sistem dan Informatia 28; Bali, ovember 15, 28 KS&I8-44 PROGRAM SIMULASI UTUK REALISASI STRUKTUR TAPIS IFIITE IMPULSE RESPOSE UTUK MEDIA PEMBELAJARA DIGITAL SIGAL PROCESSIG Damar Widjaja
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang
Lebih terperinciBAB I PENDAHULUAN. Tugas Akhir yang berjudul Sistem Penyama Adaptif dengan Algoritma Galat
BAB I PENDAHULUAN Bab satu membahas latar belakang masalah, tujuan, dan sistematika pembahasan Tugas Akhir yang berjudul Sistem Penyama Adaptif dengan Algoritma Galat Kuadrat Terkecil Ternormalisasi. Pada
Lebih terperinciPEMBUATAN MEDIA PEMBELAJARAN PADA MATA KULIAH TEKNIK KONTROL ADAPTIF SUB POKOK BAHASAN PENGHAPUSAN DERAU
Techno, ISSN 40-8607 Volume 5 No. 2 Otober 204 Hal. 23 29 PEMBUATAN MEDIA PEMBELAJARAN PADA MATA KULIAH TEKNIK KONTROL ADAPTIF SUB POKOK BAHASAN PENGHAPUSAN DERAU Instructional Media Creation on Subjects
Lebih terperinciBEBERAPA MODIFIKASI METODE NEWTON RAPHSON UNTUK MENYELESAIKAN MASALAH AKAR GANDA. Supriadi Putra, M,Si
BEBERAPA ODIFIKASI ETODE NEWTON RAPHSON UNTUK ENYELESAIKAN ASALAH AKAR GANDA Suriadi Putra,,Si Laboratorium Komutasi Numeri Jurusan atematia Faultas atematia & Ilmu Pengetahuan Alam Universitas Riau Kamus
Lebih terperinciMAKALAH SEMINAR TUGAS AKHIR
1 MAKALAH SEMINAR TUGAS AKHIR PENGENALAN POLA GEOMETRI WAJAH MENGGUNAKAN JARINGAN SYARAF TIRUAN PERAMBATAN BALIK Muhamad Tonovan *, Achmad Hidayatno **, R. Rizal Isnanto ** Abstra - Pengenalan waah adalah
Lebih terperinciPencitraan Tomografi Elektrik dengan Elektroda Planar di Permukaan
Abstra Pencitraan omografi Eletri dengan Eletroda Planar di Permuaan D. Kurniadi, D.A Zein & A. Samsi KK Instrumentasi & Kontrol, Institut enologi Bandung Jl. Ganesa no. 10 Bandung Received date : 22 November2010
Lebih terperinciAnalisa Drop Tegangan dan Susut Daya pada Jaringan Listrik Penyulang Renon Menggunakan Metode Artificial Neural Network
Analisa Drop Tegangan dan Susut Daya pada Jaringan Listri Penyulang Renon Menggunaan Metode Artificial Neural Networ I Gede Dyana Arana Jurusan Teni Eletro Faultas Teni, Universitas Udayana Denpasar, Bali,
Lebih terperinciMODUL V PENCACAH BINER ASINKRON (SYNCHRONOUS BINARY COUNTER)
MOUL V PENH INE SINON (SYNHONOUS INY OUNTE) I. Tujuan instrusional husus 1. Membuat rangaian dan mengamati cara erja suatu pencacah iner (inary counter). 2. Menghitung freuensi output pencacah iner. 3.
Lebih terperinciII. DASAR TEORI I. PENDAHULUAN
IMPLEMENTASI JARINGAN SYARAF TIRUAN PERAMBATAN-BALIK UNTUK MENDETEKSI GOLONGAN DARAH PADA MANUSIA M. Fuad Latief *, R. Rizal Isnanto, Budi Setiyono Abstra - Membran sel darah manusia mengandung bermacam-macam
Lebih terperinciANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS
Jurnal Teni dan Ilmu Komputer ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS AN ANALYSIS OF THE VARIATION PARAMETERS OF THE ARTIFICIAL NEURAL NETWORK
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Sistem Kendali Lup [1] Sistem endali dapat diataan sebagai hubungan antara omponen yang membentu sebuah onfigurasi sistem, yang aan menghasilan tanggapan sistem yang diharapan.
Lebih terperinciPenentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway
Rea Racana Jurnal Online Institut Tenologi Nasional Teni Sipil Itenas No.x Vol. Xx Agustus 2015 Penentuan Nilai Eivalensi Mobil Penumpang Pada Ruas Jalan Perotaan Menggunaan Metode Time Headway ENDI WIRYANA
Lebih terperinciEstimasi Harga Saham Dengan Implementasi Metode Kalman Filter
Estimasi Harga Saham Dengan Implementasi Metode Kalman Filter eguh Herlambang 1, Denis Fidita 2, Puspandam Katias 2 1 Program Studi Sistem Informasi Universitas Nahdlatul Ulama Surabaya Unusa Kampus B
Lebih terperinciModel Pembelajaran Off-Line Menggunakan Jaringan Syaraf Tiruan Untuk Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teknik Elektronika PENS 2009
Model Pembelaaran Off-Line Menggunaan Jaringan Syaraf Tiruan Untu Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teni Eletronia PENS 2009 Arie Setya Wulandari#, Eru Puspita S.T., M.Kom#2 # Jurusan
Lebih terperinciAPLIKASI ALGORITMA CONJUGATE GRADIENT PADA JARINGAN SYARAF TIRUAN PERAMBATAN BALIK. Tesis
APLIKASI ALGORITMA CONJUGATE GRADIENT PADA JARINGAN SYARAF TIRUAN PERAMBATAN BALIK Tesis Program Studi Teni Eletro Jurusan Ilmu-ilmu Teni disusun oleh : Wiwien Widyastuti 8475/I-/820/02 PROGRAM PASCASARJANA
Lebih terperinciKata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan
Statisti Respon Kanal Radio Dalam Ruang Pada Freuensi,6 GHz Christophorus Triaji I, Gamantyo Hendrantoro, Puji Handayani Institut Tenologi Sepuluh opember, Faultas Tenologi Industri, Jurusan Teni Eletro
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belaang Di aman searang sebuah adal yang tersusun rapi merupaan ebutuhan bagi setiap individu. Namun masalah penyusunan sebuah adal merupaan sebuah masalah umum yang teradi,
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belaang Keadaan dunia usaha yang selalu berubah membutuhan langah-langah untu mengendalian egiatan usaha di suatu perusahaan. Perencanaan adalah salah satu langah yang diperluan
Lebih terperinciAplikasi diagonalisasi matriks pada rantai Markov
J. Sains Dasar 2014 3(1) 20-24 Apliasi diagonalisasi matris pada rantai Marov (Application of matrix diagonalization on Marov chain) Bidayatul hidayah, Rahayu Budhiyati V., dan Putriaji Hendiawati Jurusan
Lebih terperinciCATATAN KULIAH RISET OPERASIONAL
CATATAN KULIAH RISET OPERASIONAL Pertemuan minggu pertama ( x 50 menit) Pemrograman Bulat Linear (Integer Linear Programming - ILP) Tuuan Instrusional Umum : Mahasiswa dapat menggunaan algoritma yang
Lebih terperinciINTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON. Makalah. Disusun guna memenuhi tugas Mata Kuliah Metode Numerik. yang dibimbing oleh
INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON Maalah Disusun guna memenuhi tugas Mata Kuliah Metode Numeri yang dibimbing oleh Dr. Nur Shofianah Disusun oleh: M. Adib Jauhari Dwi Putra 146090400111001
Lebih terperinciBAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN
BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN Berdasaran asumsi batasan interval pada bab III, untu simulasi perhitungan harga premi pada titi esetimbangan, maa
Lebih terperinciNeural Network menyerupai otak manusia dalam dua hal, yaitu:
2.4 Artificial Neural Networ 2.4.1 Konsep dasar Neural Networ Neural Networ (Jaringan Saraf Tiruan) merupaan prosesor yang sangat besar dan memilii ecenderungan untu menyimpan pengetahuan yang bersifat
Lebih terperinciKORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK
Jurnal Pengaaran MIPA, Vol. 0 No. Desember 007 ISSN: -097 KORELASI ANARA DUA KELOMPOK VARIABEL KUANIAIF DALAM ANALISIS KANONIK Oleh : Dewi Rachmatin, S.Si., M.Si. Jurusan Pendidian Matematia FPMIPA Universitas
Lebih terperinciBAB V ALGORITMA PEMBELAJARAN DALAM JARINGAN SYARAF TIRUAN
BAB V ALGORITMA PEMBELAJARAN DALAM JARINGAN SYARAF TIRUAN Kompetensi : 1. Mahasiswa memahami onsep pembelaaran dalam JST Sub Kompetensi : 1. Dapat mengetahui prinsip algoritma Perceptron 2. Dapat mengetahui
Lebih terperinciISSN: TEKNOMATIKA Vol.1, No.2, JANUARI
ISSN: 1979-7656 TEKNOMATIKA Vol.1, No.2, JANUARI 2009 25 PERANCANGAN DAN IMPLEMENTASI JARINGAN SYARAF TIRUAN UNTUK MENDIAGNOSA JENIS PENYAKIT KANDUNGAN Bambang Yuwono Jurusan Teni Informatia UPN Veteran
Lebih terperinciPEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA
PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat
Lebih terperinciTanggapan Waktu Alih Orde Tinggi
Tanggapan Watu Alih Orde Tinggi Sistem Orde-3 : C(s) R(s) ω P ( < ζ (s + ζω s + ω )(s + p) Respons unit stepnya: c(t) βζ n n < n ζωn t e ( β ) + βζ [ ζ + { βζ ( β ) cos ( β ) + ] sin ζ ) ζ ζ ω ω n n t
Lebih terperinciPENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB
PENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB Wirda Ayu Utari Universitas Gunadarma utari.hiaru@gmail.com ABSTRAK Program pengenalan pola ini merupaan program yang dibuat
Lebih terperinciVariasi Spline Kubik untuk Animasi Model Wajah 3D
Variasi Spline Kubi untu Animasi Model Wajah 3D Rachmansyah Budi Setiawan (13507014 1 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini disampaian beberapa pengertian dasar yang diperluan pada bab selanutnya. Selain definisi, diberian pula lemma dan teorema dengan atau tanpa buti. Untu beberapa teorema
Lebih terperinciMakalah Seminar Tugas Akhir
Maalah Seminar Tugas Ahir PENDETEKSI POSISI MENGGUNAKAN SENSOR ACCELEROMETER MMA7260Q BERBASIS MIKROKONTROLER ATMEGA 32 Muhammad Riyadi Wahyudi, ST., MT. Iwan Setiawan, ST., MT. Abstract Currently, determining
Lebih terperinciKLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE
KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE Warih Maharani Faultas Teni Informatia, Institut Tenologi Telom Jl. Teleomuniasi No.1 Bandung 40286 Telp. (022) 7564108
Lebih terperinciPEMISAHAN BANYAK SUMBER SUARA MESIN MENGGUNAKAN ANALISIS KOMPONEN INDEPENDEN (ICA) UNTUK DETEKSI KERUSAKAN. B.T. Atmaja, A.S. Aisyah, dan D.
PEMISAHAN BANYAK SUMBER SUARA MESIN MENGGUNAKAN ANALISIS KOMPONEN INDEPENDEN (ICA) UNUK DEEKSI KERUSAKAN B.. Atmaja, A.S. Aisyah, dan D. Arifianto Jurusan eni Fisia,Faultas enologi Industri, Institut enologi
Lebih terperinciSensitivitas Metode Ensemble Kalman Filter untuk Mendeteksi Gangguan pada Masalah Konduksi Panas Satu Dimensi
Jurnal Matematia & Sains, Desember, Vol. 6 omor 3 Sensitivitas Metode Ensemble Kalman Filter untu Mendetesi Gangguan pada Masalah Kondusi Panas Satu Dimensi Erna Apriliani dan Wiwit Sofiyanti Budiono Departement
Lebih terperinciSistem 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 terperinciPENENTUAN FAKTOR KALIBRASI ACCELEROMETER MMA7260Q PADA KETIGA SUMBU
PENENTUAN FAKTOR KALIBRASI ACCELEROMETER MMA7260Q PADA KETIGA SUMBU Wahyudi 1, Adhi Susanto 2, Sasongo P. Hadi 2, Wahyu Widada 3 1 Jurusan Teni Eletro, Faultas Teni, Universitas Diponegoro, Tembalang,
Lebih terperinciSTUDI KOMPARASI IMPLEMENTASI JARINGAN BASIS RADIAL DAN FUZZY INFERENCE SYSTEM TSK UNTUK PENYELESAIAN CURVE FITTING
STUDI KOPARASI IPEENTASI JARINGAN BASIS RADIA DAN FUZZY INFERENCE SYSTE TSK UNTUK PENYEESAIAN CURVE FITTING Sri Kusumadewi Teni Informatia Universitas Islam Indonesia Jl. Kaliurang Km 4,5 Yogyaarta cicie@fti.uii.ac.id
Lebih terperinciPenempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming
JURAL TEKIK POMITS Vol. 2, o. 2, (2013) ISS: 2337-3539 (2301-9271 Print) B-137 Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming Yunan Helmy Amrulloh, Rony Seto Wibowo, dan Sjamsjul
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series)
III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunaan data seunder bersifat runtun watu (time series) dalam periode tahunan dan data antar ruang (cross section). Data seunder tersebut
Lebih terperinciSIMULASI FILTER KALMAN UNTUK ESTIMASI SUDUT DENGAN MENGGUNAKAN SENSOR GYROSCOPE
SIMULASI FILR KALMAN UNUK SIMASI SUDU DNGAN MNGGUNAKAN SNSOR GYROSCOP Wahyudi *), Adhi Susanto **), Sasongo Pramono **), Wahyu Widada ***) Abstact he Kalman filter is a recursive solution to the process
Lebih terperinciBAB III HASIL DAN PEMBAHASAN
15 BAB III HASIL DAN PEMBAHASAN 3.1Relasi Dispersi Pada bagian ini aan dibahas relasi dispersi untu gelombang internal pada fluida dua-lapisan.tinjau lapisan fluida dengan ρ a dan ρ b berturut-turut merupaan
Lebih terperinciMODEL SISTEM ANTRIAN
BB V MODEL SISTEM TRI ada teori antrian, suatu model antrian digunaan untu memperiraan suatu situasi antrian sesungguhnya, sehingga elauan antrian dapat dianalisa secara matemati. Dengan model sistem antrian
Lebih terperinciMakalah Seminar Tugas Akhir
Pengaturan Kecepatan Motor DC Menggunaan Jaringan Syaraf Tiruan Feedforward Bacpropagation Sorihi *, Wahyudi **, Iwan Setiawan ** Abstra - Jaringan syaraf bacpropagation merupaan aringan syaraf yang telah
Lebih terperinciBlind Adaptive Multi-User Detection pada Sistem Komunikasi DS-CDMA dengan Kanal AWGN
Proceeding of Seminar on Intelligent echnology and Its Applications (SIIA ) Institut enologi Sepuluh Nopember, Surabaya, May 7 th, Blind Adaptive Multi-User Detection pada Sistem omuniasi DS-CDMA dengan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Tempat dan Watu Penelitian Penelitian ini dilauan di Jurusan Matematia Faultas Matematia dan Ilmu Pengetahuan Alam Universitas Lampung. Watu penelitian dilauan selama semester
Lebih terperinciAPLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID
APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID Ferry Tan, Giovani Gracianti, Susanti, Steven, Samuel Luas Jurusan Teni Informatia, Faultas
Lebih terperinciPEMODELAN OPTIMALISASI PRODUKSI UNTUK MEMAKSIMALKAN KEUNTUNGAN DENGAN MENGGUNAKAN METODE PEMROGRAMAN LINIER
PEMODELAN OPTIMALISASI PRODUKSI UNTUK MEMAKSIMALKAN KEUNTUNGAN DENGAN MENGGUNAKAN METODE PEMROGRAMAN LINIER Tantri Windarti Program Studi Sistem Informasi STMIK Surabaya Jl Raya Kedung Baru 98, Surabaya
Lebih terperinciBAB II DASAR TEORI. II.1. Pendahuluan
BAB II DASAR EORI II.1. Pendahuluan Pada bab ini pertama-tama aan dijelasan secara singat apa yang dimasud dengan target tracing dalam sistem Radar. Di dalam sebuah sistem Radar ada beberapa proses yang
Lebih terperinciSistem Peramalan Jumlah Produksi Air PDAM Samarinda Menggunakan Jaringan Syaraf Tiruan Backpropagation
Sistem Peramalan Jumlah Produsi Air PDAM Samarinda Menggunaan Jaringan Syaraf Tiruan Bacpropagation Anindita Septiarini 1 dan Nur Sya baniah 2 1 Program Studi Ilmu Komputer FMIPA, Universitas Mulaarman
Lebih terperinciSKEMA AKAR KUADRAT DALAM UNSCENTED KALMAN FILTER UNTUK MENDETEKSI KERAK PADA ALAT PENUKAR PANAS
Prosiding Seminar Nasional Penelitian, Pendidian dan Penerapan MIPA, Faultas MIPA, Universitas Negeri Yogyaarta, 4 Mei 2 SKEMA AKAR KUADRA DALAM UNSCENED KALMAN FILER UNUK MENDEEKSI KERAK PADA ALA PENUKAR
Lebih terperinciEstimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga
JURNAL SAINS DAN SENI POMITS ol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Estimasi Konsentrasi Polutan Sungai Menggunaan Metode Redusi Kalman Filter dengan Pendeatan Elemen Hingga Muyasaroh, Kamiran,
Lebih terperinciSATUAN 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 terperinciPENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN
PENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN Amethis Otaorora 1, Bilqis Amaliah 2, Ahmad Saihu 3 Teni Informatia, Faultas Tenologi
Lebih terperinciALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER
ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER Oleh: Supardi SEKOLAH PASCA SARJANA JURUSAN ILMU FISIKA UNIVERSITAS NEGERI YOGYAKARTA 2012 1 PENDAHULUAN Liquid Crystal elastomer (LCE
Lebih terperinciStudi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya
Studi dan Analisis mengenai Hill ipher, Teni Kriptanalisis dan Upaya enanggulangannya Arya Widyanaro rogram Studi Teni Informatia, Institut Tenologi Bandung, Jl. Ganesha 10 Bandung Email: if14030@students.if.itb.ac.id
Lebih terperinciKAJIAN PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE FACE-ARG DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
Media Informatia, Vol. 5, No. 2, Desember 2007, 99-111 ISSN: 0854-4743 KAJIAN PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE FACE-ARG DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Anita Desiani Jurusan Matematia,
Lebih terperinciBAB 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 terperinciPEMPROSESAN ALARM DALAM PERLINDUNGAN SISTEM DAYA LISTRIK MENGGUNAKAN NEURAL NETWORK. Azriyenni
PEMPROSESAN ALARM DALAM PERLINDUNGAN SISTEM DAYA LISTRIK MENGGUNAKAN NEURAL NETWORK Azriyenni Dosen Tetap Teni Eletro Universitas Riau - Peanbaru Abstra Penelitian ini menyelidii mengenai pemprosesan alarm
Lebih terperinciANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT
Jurnal Sipil Stati Vol. No. Agustus (-) ISSN: - ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI - DENGAN VARIASI JUMLAH TINGKAT Revie Orchidentus Francies Wantalangie Jorry
Lebih terperinciEstimasi 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 terperinciBAB 2 TINJAUAN PUSTAKA
BAB TINJAUAN PUSTAKA.1 Sifat Dasar Neutron Neutron yang dihasilan dari reator nulir biasanya merupaan neutron berenergi rendah. Secara umum, neutron energi rendah dapat dilasifiasian dalam tiga enis yaitu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Variabel Variabel ialah sesuatu yang nilainya berubah-ubah menurut watu atau berbeda menurut elemen/tempat. Umumnya nilai arateristi merupaan variabel dan diberi simbol huruf X.
Lebih terperinciPENGENALAN TEKS BRAILLE BERBASIS JARINGAN SYARAF TIRUAN FEEDFORWARD MULTILAYER DENGAN MENGGUNAKAN METODE BACK PROPAGATION
1 MAKALAH SEMINAR TUGAS AKHIR PENGENALAN TEKS BRAILLE BERBASIS JARINGAN SYARAF TIRUAN FEEDFORWARD MULTILAYER DENGAN MENGGUNAKAN METODE BACK PROPAGATION Praditya Firmansyah *, Wahyul Amien Syafei**, Iwan
Lebih terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Program
Lebih terperinci( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang
Latar Belaang Terdapat banya permasalahan atau ejadian dalam ehidupan sehari hari yang dapat dimodelan dengan suatu proses stoasti Proses stoasti merupaan permasalahan yang beraitan dengan suatu aturan-aturan
Lebih terperinciANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK PADA SISTEM PENGENALAN WAJAH BERBASIS PRINCIPAL COMPONENT ANALYSIS
ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK PADA SISTEM PENGENALAN WAJAH BERBASIS PRINCIPAL COMPONENT ANALYSIS 1 Ihwannul Kholis, 2 Ahmad Rofii. 1 Universitas 17 Agustus 1945 Jaarta,
Lebih terperinciBAB 3 PRINSIP SANGKAR BURUNG MERPATI
BAB 3 PRINSIP SANGKAR BURUNG MERPATI 3. Pengertian Prinsip Sangar Burung Merpati Sebagai ilustrasi ita misalan terdapat 3 eor burung merpati dan 2 sangar burung merpati. Terdapat beberapa emunginan bagaimana
Lebih terperinciMODEL MATEMATIKA KONSENTRASI OKSIGEN TERLARUT PADA EKOSISTEM PERAIRAN DANAU
MDEL MATEMATIKA KNSENTRASI KSIGEN TERLARUT PADA EKSISTEM PERAIRAN DANAU Sutimin Jurusan Matematia, FMIPA Universitas Diponegoro Jl. Prof. H. Soedarto SH Tembalang, Semarang 5075 E-mail: su_timin@yanoo.com
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY Tedy Rismawan dan Sri Kusumadewi Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teni
Lebih terperinciPREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION
Konferensi Nasional Sistem dan Informatia 2008; Bali, November 5, 2008 PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION Wahyudi Setiawan
Lebih terperinciBAB III. dan menghamburkan
BAB III MODEL GELOMBANG DAN MODEL ARUS III... Model Numeri Medan Gelombang Untu dapat menggambaran ondisi pola arus di daerah pantai ang diaibatan oleh gelombang maa ita harus dapat mengetahui ondisi medan
Lebih terperinciPREDIKSI KELULUSAN MAHASISWA DENGAN JARINGAN SYARAF TIRUAN
Ansari Predisi Kelulusan Mahasiswa Dengan Jaringan Syaraf Tiruan PREDIKSI KELULUSAN MAHASISWA DENGAN JARINGAN SYARAF TIRUAN Rudy Ansari STMIK Indonesia Banarmasin e-mail: rudy.ansari@gmail.com ABSTRAK
Lebih terperinciMETODE PANGKAT BALIK TERGESER UNTUK MENCARI NILAI EIGEN DAN VEKTOR EIGEN
MEODE PNGK BLIK ERGESER UNUK MENCRI NILI EIGEN DN VEKOR EIGEN Sangadi BSRC rtile disusses the shifted power method as the extension of the power method he shifted power method also requires a good starting
Lebih terperinciPENGEMBANGAN MODEL JARINGAN SYARAF TIRUAN RESILIENT BACKPROPAGATION UNTUK IDENTIFIKASI PEMBICARA DENGAN PRAPROSES MFCC. Oleh:
1 PENGEMBANGAN MODEL JARINGAN SYARAF TIRUAN RESILIENT BACKPROPAGATION UNTUK IDENTIFIKASI PEMBICARA DENGAN PRAPROSES MFCC Oleh: NURHADI SUSANTO G64103059 DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN
Lebih terperinci