II. TINJAUAN PUSTAKA. 2.1 Pembenihan Ikan. 2.2 Pengaruh Suhu Terhadap Ikan
|
|
- Herman Makmur
- 6 tahun lalu
- Tontonan:
Transkripsi
1 II. TINJAUAN PUSTAKA 2.1 Pembenihan Ikan Pemeliharaan larva atau benih merupakan kegiatan yang paling menentukan keberhasilan suatu pembenihan ikan. Hal ini disebabkan sifat larva yang merupakan stadia paling kritis dalam siklus hidup ikan sehingga pemeliharaan larva merupakan kegiatan yang paling sulit. Beberapa faktor yang menyebabkan pemeliharaan larva memiliki tingkat kesulitan yang paling tinggi dalam pembenihan ikan antara lain 1) tubuh larva kecil dan bukaan mulutnya juga kecil sehingga pemberian pakan larva dan pengelolaan lingkungan relatif sulit, 2) larva membutuhkan pakan alami dan belum ada pakan buatan yang bisa menandingi pakan alami, padahal kultur alami juga memiliki tingkat kesulitan yang tinggi (Effendi 2004). 2.2 Pengaruh Terhadap Ikan Proses pembenihan ikan membutuhkan suhu air tertentu untuk dapat bertahan hidup. optimum yang dibutuhkan adalah tergantung dari jenis ikannya. Ketidaksesuaian suhu tempat ikan hidup akan mengakibatkan pertumbuhan ikan akan lambat dan akan berakibat kematian pada ikan. Philip (1972) dalam Lesmana (2002) menyatakan bahwa selain suplai pakan, suhu merupakan faktor lingkungan yang paling berperan dalam menentukan pertumbuhan ikan. Kenaikan suhu yang masih dapat ditolelir oleh ikan akan diikuti oleh peningkatan derajat metabolisme dan kebutuhan oksigen. Air mempunyai kapasitas spesifik yang besar terhadap panas, sehingga perubahan suhu dapat ditahan dan terjadi lebih lambat. Pada lingkungan darat, fluktuasi suhu harian dapat mencapai perbedaan sampai 15 o C. Sementara pada lingkungan perairan, fluktuasi hanya 3-5 o C (Lesmana 2002). Secara umum laju pertumbuhan meningkat sejalan dengan kenaikan suhu, hal ini dapat menekan kehidupan hewan budidaya bahkan menyebabkan kematian bila peningkatan suhu sampai ekstrim (drastis). Distribusi suhu secara vertikal perlu diketahui karena akan mempengaruhi distribusi mineral dalam air karena kemungkinan terjadi pembalikan lapisan air. air akan mempengaruhi juga kekentalan (viskositas) air. Perubahan suhu air yang drastis dapat mematikan biota air karena terjadi perubahan daya angkut darah. sangat berkaitan erat dengan konsentrasi oksigen terlarut dalam air dan konsumsi oksigen hewan air. berbanding terbalik dengan konsentrasi jenuh oksigen terlarut (tabel 1), tetapi berbanding lurus dengan laju konsumsi oksigen hewan air dan laju reaksi kimia dalam air (Kordi et al dalam Lesmana 2002). Lesmana (2002) menyatakan pula bahwa pengaruh suhu rendah terhadap ikan adalah rendahnya kemampuan mengambil oksigen (hypoxia). Kemampuan rendah ini disebabkan oleh menurunnya detak jantung. Pengaruh lain adalah terganggunya proses osmoregulasi (pertukaran air dari dan ke dalam tubuh ikan). Pada suhu yang turun mendadak akan terjadi degradasi sel darah merah sehingga proses respirasi (pernafasan atau pengambilan oksigen) terganggu. Sebaliknya, pada suhu yang meningkat tinggi akan menyebabkan ikan bergerak aktif, tidak mau berhenti makan, dan metabolisme cepat meningkat sehingga kotoran menjadi lebih banyak. Kotoran yang banyak akan menyebabkan kualitas air disekitarnya menjadi buruk. Sementara kebutuhan oksigen meningkat, tetapi ketersediaan oksigen air buruk sehingga ikan akan kekurangan oksigen dalam darah. Akibatnya ikan menjadi stress, tidak ada keseimbangan, dan menurun sistem sarafnya. 3
2 Tabel 1. Hubungan antara kadar oksigen terlarut jenuh dan suhu pada tekanan 1atm terlarut (mg/liter) terlarut (mg/liter) terlarut (mg/liter) Sumber : Cole (1983) dalam Effendi (2004) 2.3 Kolam Greenhouse (Greenhouse ponds) Greenhouse merupakan struktur lingkungan yang tertutup oleh bahan transparan (tembus cahaya) dengan memanfaatkan radiasi surya. Struktur bangunan greenhouse yang tertutup menyebabkan udara stagnan, sehingga perpindahan panas dan pergerakan udara di dalam greenhouse kurang. Bahan penutup greenhouse yang tidak dapat ditembus oleh radiasi gelombang panjang menaikkan suhu udara didalam greenhouse (Sumarni 2006 diacu dalam Murniwaty 2008). Walker (1965) diacu dalam Murniwaty (2008) menjelaskan faktor-faktor yang mempengaruhi besarnya temperatur udara di dalam greenhouse tanaman adalah tingkat intensitas radiasi matahari, tingkat kapasitas alat pemanas, besar-kecilnya perubahan panas akibat transpirasi tanaman, besar kecilnya panas yang diserap tanaman untuk fotosintesis, dan besar-kecilnya panas yang hilang melalui ventilasi serta bahan konstruksi. Garis lintang merupakan faktor utama yang mempengaruhi temperatur greenhouse. Faktor lainnya adalah ketinggian matahari, kondisi topografi yang mempengaruhi pergerakan angin dan panjang hari (Hanan, et al diacu dalam Murniwaty 2008). Kolam greenhouse dapat menjadi alternatif yang baik untuk menjaga suhu air dalam kegiatan akuakultur. Kolam greenhouse biasanya digunakan untuk pembibitan dan menjadi fasilitas budidaya saat musim dingin, kolam ini dapat memberikan alternatif yang baik untuk menjaga suhu air. 4
3 Menutupi kolam pada malam hari menjadi strategi yang lebih efektif karena hal ini mengurangi terjadinya kondensasi dan penggunaan energi konvensional secara serempak. Dalam teknologi solar pasif sistem, dimana konveksi dan penyerapan surya langsung oleh air berdasarkan prinsip mekanisme transfer panas, rumah kaca adalah teknologi utama yang digunakan. Dalam Fuller (2007) dijelaskan resirkulasi tangki di greenhouse polietilen dapat bertukar panas dan massa melalui berbagai mekanisme (konduksi, radiasi, konveksi dan evaporasi) dengan lantai struktural sekitarnya, permukaan dan tertutup massa udara (Gambar 1). Gambar 1. Mekanisme pindah panas dan massa antara tangki dan struktur (Fuller (2007)) Dalam sistem kolam greenhouse, sistem dibagi menjadi empat lapisan internal (cover, udara internal, air dan tanah) dan tiga batas lapisan (langit, udara eksternal dan tanah dibawahnya). Interaksi antara lapisan melibatkan transfer panas melalui konveksi, pertukaran panas laten, radiasi termal, radiasi matahari dan konduksi. Radiasi matahari mencapai cover, air dan dasar kolam. Pertukaran radiasi termal terjadi di antara permukaan air dan cover, dan sebagian udara di langit, dan di antara cover dan langit. Konduksi panas berlangsung secara eksklusif antara tanah dan lapisan tanah di bawahnya. Konveksi dan transfer panas laten terjadi antara udara dan permukaan air, dan cover permukaan dalam dan luar, serta dari internal ke udara luar, yang disebabkan oleh kebocoran ventilasi atau udara. 2.4 Artificial neural network Menurut Rudiyanto et al. (2004) diacu dalam Murniwaty (2008), Artificial neural network (ANN) merupakan sebuah sistem pemrosesan informasi yang mempunyai karakteristik dasar menyerupai jaringan saraf bologis. Bentuk karakteristik dasar itu adalah : pertama ANN terdiri dari beberapa elemen pemrosesan dasar (neuron) yang menerima masukan dari beberapa neuron yang berada di depannya. Kedua, nilai masukan sinyal akan dikalikan dengan pembobot keterhubungan antar neuron, dan dijumlahkan secara menyeluruh dari semua masukan, dan nilai ini disebut nilai total masukan neuron. Ketiga, apabila nilai total masukan neuron melebihi ambang batas tertentu, maka neuron tersebut akan mengirim sinyal keluaran kepada semua neuron yang berhubungan dengannya. Keempat, pembobot keterhubungan antar neuron dapat diubah melalui proses pembelajaran. Berdasarkan arsitektur keterhubungan antar neuron, terdapat single layer feedforward dan multilayer feedforward ANN. Multilayer feedforward lebih mampu menyelesaikan persoalan dengan tingkat kesulitan yang tinggi, mempunyai satu atau lebih layar neuron diantara input layer dan output layer, yang disebut dengan hidden layer. Multilayer feedforward neural networks dan 5
4 backpropagation terdiri dari 3 layer, yaitu input layer, hidden layer, dan output layer. Input layer mempunyai n noda. Hidden layer mempunyai h noda. Output layer mempunyai m noda. Notasi yang dipakai adalah sebagai berikut: x i Vektor masukan di mana i = 1,2,3, n v ji Pembobot penghubung input layer dengan hidden layer dimana i = 1,2,3, n dan j = 1,2,3, n w kj Pembobot penghubung hidden layer dengan output layer dimana k = 1,2,3,...n x p data input training di mana p = 1,2,3, p y p j Output pada hidden layer unit ke-j dengan input xp z p k Output pada output layer unit ke-k t p k Target output f Fungsi aktivasi Struktur ANN Backpropagation diperlihatkan pada Gambar 2. Gambar 2. Struktur ANN Backpropagation. Dalam aplikasi ANN jumlah iterasi pelatihan merupakan faktor penting yang mempengaruhi kekuatan model (model robustness). Overtraining dan undertraining dapat terjadi apabila iterasi training terlalu sedikit dan terlalu banyak. Laju pelatihan (learning rate) dan momentum diperlukan dalam ANN untuk mencapai kondisi optimal. Kondisi yang diinginkan dari suatu ANN adalah galat yang kecil hingga mencapai minimum global bukan minimum lokal. Paterson (1995) diacu dalam Murniwati (2008) menyatakan bahwa koefisien laju pelatihan (η) dalam delta rule secara umum menentukan ukuran penyesuaian pembobot yang dibuat pada tiap-tiap iterasi dan karena itu mempengaruhi laju konvergensi. Apabila pemilihan laju pelatihan terlalu besar maka untuk mencapai konvergensi akan lebih lambat daripada penurunan error langsung, sebaliknya laju pelatihan yang terlalu kecil penurunan error akan melaju sangat kecil sehingga butuh waktu yang lama untuk mencapai konvergensi. Algoritma pembelajaran ANN backpropagation menurut Rudiyanto et al (2004) adalah sebagai berikut: 1. Inisialisasi pembobot Pembobot awal pada ANN diberi nilai secara acak. Nilai acak ini biasanya berkisar 1-1 atau
5 2. Perhitungan nilai aktivasi Perhitungan feedforward dimulai dengan menjumlahkan hasil perkalian input Xi dengan pembobot Vji. Dan menghasilkan Hj yang merupakan nilai input ke fungsi aktivasi hidden layer. Kemudian output Yj pada hidden layer unit j merupakan hasil fungsi aktivasi f dengan masukan Hj. Hal ini diformulasikan dalam: = = = = ( ) dengan fungsi aktivasi berupa fungsi sigmoid sebagai berikut: = (1) dimana β adalah gain atau slope fungsi sigmoid (konstanta). 3. Pelatihan (pengkoreksian) nilai pembobot Pelatihan nilai pembobot pada ANN dilakukan dengan mengurangi/menurunkan total error system untuk semua data melalui koreksi pembobot. Rata-rata total error system merupakan error output untuk semua pasang data training. Perubahan total error system dapat ditulis sebagai berikut: = (2) dimana E adalah sebagai berikut: = (3) Pengkoreksi pembobot antara output layer dan hidden layer dan antara hidden layer dan input layer berturut-turut ditulis sebagai berikut: + = + (4) + = + (t) (5) dimana α adalah momentum (konstanta 0<α<1) Proses perhitungan pembobot antara output layer dan hidden layer dilakukan dengan persamaan berikut: = (6) dan pebobot antara hidden layer dan input layer dilakukan dengan persamaan berikut: = + + (7) 4. Pengulangan Keseluruhan proses ini dilakukan pada setiap contoh dan setiap iterasi. Proses pemberian contoh atau pasangan input-output, perhitungan nilai aktifasi dan pembelajaran dengan mengkoreksi pembobot dilakukan terus menerus sampai didapatkan nilai pembobot dengan nilai total error system mencapai minimum global. 7
IV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN 4.1 Kondisi Lingkungan Mengetahui kondisi lingkungan tempat percobaan sangat penting diketahui karena diharapkan faktor-faktor luar yang berpengaruh terhadap percobaan dapat diketahui.
Lebih terperinciIII. BAHAN DAN METODE
39 III. BAHAN DAN METODE 3.1. Waktu dan Tempat Penelitian dilaksanakan pada bulan Agustus sampai Desember tahun 2010 di rumah tanaman (greenhouse) Balai Penelitian Agroklimatologi dan Hidrologi (Balitklimat),
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 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 terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Parameter Gauss Untuk dapat melakukan pengolahan data menggunakan ANN, maka terlebih dahulu harus diketahui nilai set data input-output yang akan digunakan. Set data inputnya yaitu
Lebih terperinciJARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI CURAH HUJAN SUMATERA UTARA DENGAN METODE BACK PROPAGATION (STUDI KASUS : BMKG MEDAN)
JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI CURAH HUJAN SUMATERA UTARA DENGAN METODE BACK PROPAGATION (STUDI KASUS : BMKG MEDAN) Marihot TP. Manalu Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma
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 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 terperinciBACK PROPAGATION NETWORK (BPN)
BACK PROPAGATION NETWORK (BPN) Arsitektur Jaringan Digunakan untuk meminimalkan error pada output yang dihasilkan oleh jaringan. Menggunakan jaringan multilayer. Arsitektur Jaringan Proses belajar & Pengujian
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN 4.1. Suhu Udara Hasil pengukuran suhu udara di dalam rumah tanaman pada beberapa titik dapat dilihat pada Gambar 6. Grafik suhu udara di dalam rumah tanaman menyerupai bentuk parabola
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 terperinciEstimasi Suhu Udara Bulanan Kota Pontianak Berdasarkan Metode Jaringan Syaraf Tiruan
Estimasi Suhu Udara Bulanan Kota Pontianak Berdasarkan Metode Jaringan Syaraf Tiruan Andi Ihwan 1), Yudha Arman 1) dan Iis Solehati 1) 1) Prodi Fisika FMIPA UNTAN Abstrak Fluktuasi suhu udara berdasarkan
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 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 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 terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1 Waktu dan Lokasi Penelitian Penelitian ini dilakukan pada bulan Mei 2011 hingga Agustus 2011 yang berlokasi di kolam petani Desa Laladon, Kecamatan Ciomas, Kabupaten Bogor,
Lebih terperinciBACK PROPAGATION NETWORK (BPN)
BACK PROPAGATION NETWORK (BPN) Arsitektur Jaringan Salah satu metode pelatihan terawasi pada jaringan syaraf adalah metode Backpropagation, di mana ciri dari metode ini adalah meminimalkan error pada output
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 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 terperinciANALISIS SUDUT DATANG RADIASI MATAHARI PADA ATAP GELOMBANG DAN PENDUGAAN TEMPERATUR UDARA DALAM GREENHOUSE
ANALISIS SUDUT DATANG RADIASI MATAHARI PADA ATAP GELOMBANG DAN PENDUGAAN TEMPERATUR UDARA DALAM GREENHOUSE MENGGUNAKAN PRINSIP PINDAH PANAS DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh : MURNIWATY F 14103131
Lebih terperinciIII. HASIL DAN PEMBAHASAN
III. HASIL DAN PEMBAHASAN 3.1 Hasil Dari penelitian ini, didapatkan data sebagai berikut: daya listrik, kualitas air (DO, suhu, ph, NH 3, CO 2, dan salinitas), oxygen transfer rate (OTR), dan efektivitas
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 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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 JARINGAN SARAF SECARA BIOLOGIS Jaringan saraf adalah salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak
Lebih terperinciSMP kelas 8 - BIOLOGI BAB 8. FOTOSINTESISLatihan Soal ph (derajat keasaman) apabila tidak sesuai kondisi akan mempengaruhi kerja...
SMP kelas 8 - BIOLOGI BAB 8. FOTOSINTESISLatihan Soal 8.4 1. ph (derajat keasaman) apabila tidak sesuai kondisi akan mempengaruhi kerja... Klorofil Kloroplas Hormon Enzim Salah satu faktor yang mempengaruhi
Lebih terperinciBAB 3 PERANCANGAN SISTEM. Bab ini menguraikan analisa penelitian terhadap metode Backpropagation yang
BAB 3 PERANCANGAN SISTEM Bab ini menguraikan analisa penelitian terhadap metode Backpropagation yang diimplementasikan sebagai model estimasi harga saham. Analisis yang dilakukan adalah menguraikan penjelasan
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 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 terperinciIII. HASIL DAN PEMBAHASAN
III. HASIL DAN PEMBAHASAN 3.1 Hasil Berikut ini adalah hasil penelitian dari perlakuan perbedaan substrat menggunakan sistem filter undergravel yang meliputi hasil pengukuran parameter kualitas air dan
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 terperinciANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION
ANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION Eka Irawan1, M. Zarlis2, Erna Budhiarti Nababan3 Magister Teknik Informatika, Universitas Sumatera
Lebih terperinciRADIASI MATAHARI DAN TEMPERATUR
RADIASI MATAHARI DAN TEMPERATUR Gerakan Bumi Rotasi, perputaran bumi pada porosnya Menghasilkan perubahan waktu, siang dan malam Revolusi, gerakan bumi mengelilingi matahari Kecepatan 18,5 mil/dt Waktu:
Lebih terperinciIV. HASIL DAN PEMBAHASAN. 4.1 Hasil Laju Pertumbuhan Spesifik Benih Ikan Mas (SGR)
IV. HASIL DAN PEMBAHASAN 4.1 Hasil 4.1.1 Laju Pertumbuhan Spesifik Benih Ikan Mas (SGR) Perubahan bobot ikan selama masa pemeliharaan diukur dan dicatat untuk mendapatkan data mengenai laju pertumbuhan
Lebih terperinciGambar 2.1 Neuron biologi manusia (Medsker & Liebowitz, 1994)
BAB 2 LANDASAN TEORI 2.1. Jaringan Saraf Biologi Manusia Otak manusia memiliki struktur yang sangat kompleks, serta memiliki kemampuan yang luar biasa. Otak terdiri dari neuron-neuron dan penghubung yang
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON PADA APLIKASI PRAKIRAAN CUACA
Aplikasi Jaringan Syaraf Tiruan Multilayer Perceptron (Joni Riadi dan Nurmahaludin) APLIKASI JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON PADA APLIKASI PRAKIRAAN CUACA Joni Riadi (1) dan Nurmahaludin
Lebih terperinciMATERI DAN METODE. Cara Pengambilan Data
MATERI DAN METODE Lokasi dan Waktu Penelitian ini dilaksanakan di Laboratorium Lapang Bagian Ilmu Produksi Ternak Perah, Fakultas Peternakan Institut Pertanian Bogor. Penelitian dilaksanakan selama dua
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 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 terperinciNEURAL NETWORK BAB II
BAB II II. Teori Dasar II.1 Konsep Jaringan Saraf Tiruan (Artificial Neural Network) Secara biologis jaringan saraf terdiri dari neuron-neuron yang saling berhubungan. Neuron merupakan unit struktural
Lebih terperinciANALISIS SUDUT DATANG RADIASI MATAHARI PADA ATAP GELOMBANG DAN PENDUGAAN TEMPERATUR UDARA DALAM GREENHOUSE
ANALISIS SUDUT DATANG RADIASI MATAHARI PADA ATAP GELOMBANG DAN PENDUGAAN TEMPERATUR UDARA DALAM GREENHOUSE MENGGUNAKAN PRINSIP PINDAH PANAS DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh : MURNIWATY F 14103131
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 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 terperinciSebelumnya... Pembelajaran Mesin/Machine Learning Pembelajaran dengan Decision Tree (ID3) Teori Bayes dalam Pembelajaran
Sebelumnya... Pembelajaran Mesin/Machine Learning Pembelajaran dengan Decision Tree (ID3) Teori Bayes dalam Pembelajaran Kecerdasan Buatan Pertemuan 11 Jaringan Syaraf Tiruan (Artificial Neural Network)
Lebih terperinciPENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT
PENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT Havid Syafwan Program Studi Manajemen Informatika, Amik Royal, Kisaran E-mail: havid_syafwan@yahoo.com ABSTRAK:
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 terperinciIII. HASIL DAN PEMBAHASAN
III. HASIL DAN PEMBAHASAN 3.1 Hasil 3.1.1 Kadar Oksigen Terlarut Hasil pengukuran konsentrasi oksigen terlarut pada kolam pemeliharaan ikan nila Oreochromis sp dapat dilihat pada Gambar 2. Dari gambar
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 terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN A. Karakteristik Termal Kayu Meranti (Shorea Leprosula Miq.) Karakteristik termal menunjukkan pengaruh perlakuan suhu pada bahan (Welty,1950). Dengan mengetahui karakteristik termal
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Artificial Neural Network Artificial neural network (ANN) / jaringan saraf tiruan adalah konsep yang merefleksikan cara kerja dari jaringan saraf biologi kedalam bentuk artificial
Lebih terperinciMuhammad Fahrizal. Mahasiswa Teknik Informatika STMIK Budi Darma Jl. Sisingamangaraja No. 338 Simpanglimun Medan
IMPLEMENTASI JARINGAN SARAF TIRUAN DALAM MEMPREDIKSI SERVICE KENDARAAN RODA 4 DENGAN METODE BACKPROPAGATION (STUDI KASUS PT. AUTORENT LANCAR SEJAHTERA) Muhammad Fahrizal Mahasiswa Teknik Informatika STMIK
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN A. RADIASI MATAHARI DAN SH DARA DI DALAM RMAH TANAMAN Radiasi matahari mempunyai nilai fluktuatif setiap waktu, tetapi akan meningkat dan mencapai nilai maksimumnya pada siang
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Analisis Perubahan Rasio Hutan Sebelum membahas hasil simulasi model REMO, dilakukan analisis perubahan rasio hutan pada masing-masing simulasi yang dibuat. Dalam model
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 terperinciBAB II DASAR TEORI. Gambar 2.1 Self Dryer dengan kolektor terpisah. (sumber : L szl Imre, 2006).
3 BAB II DASAR TEORI 2.1 Pengering Surya Pengering surya memanfaatkan energi matahari sebagai energi utama dalam proses pengeringan dengan bantuan kolektor surya. Ada tiga klasifikasi utama pengering surya
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 terperinci2. TINJAUAN PUSTAKA 2.1. Oksigen Terlarut Sumber oksigen terlarut dalam perairan
4 2. TINJAUAN PUSTAKA 2.1. Oksigen Terlarut Oksigen terlarut dibutuhkan oleh semua jasad hidup untuk pernapasan, proses metabolisme, atau pertukaran zat yang kemudian menghasilkan energi untuk pertumbuhan
Lebih terperinciPENDEKATAN TEORITIS. Gambar 2 Sudut datang radiasi matahari pada permukaan horizontal (Lunde, 1980)
PENDEKATAN TEORITIS Radiasi Matahari pada Bidang Horisontal Matahari merupakan sumber energi terbesar. Radiasi matahari yang sampai permukaan bumi ada yang diserap dan dipantulkan kembali. Dua komponen
Lebih terperinciANALISA JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION UNTUK MENGETAHUI LOYALITAS KARYAWAN
ANALISA JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION UNTUK MENGETAHUI LOYALITAS KARYAWAN Jasmir, S.Kom, M.Kom Dosen tetap STIKOM Dinamika Bangsa Jambi Abstrak Karyawan atau tenaga kerja adalah bagian
Lebih terperinciBAB II TINJAUAN PUSTAKA. Sebagai bintang yang paling dekat dari planet biru Bumi, yaitu hanya berjarak sekitar
BAB NJAUAN PUSAKA Sebagai bintang yang paling dekat dari planet biru Bumi, yaitu hanya berjarak sekitar 150.000.000 km, sangatlah alami jika hanya pancaran energi matahari yang mempengaruhi dinamika atmosfer
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab ini akan dibahas mengenai teori-teori pendukung pada penelitian ini. Adapun teori tersebut yaitu teori jaringan saraf tiruan dan algoritma backpropragation. 2.1. Jaringan Saraf
Lebih terperinciBAB 9. PENGKONDISIAN UDARA
BAB 9. PENGKONDISIAN UDARA Tujuan Instruksional Khusus Mmahasiswa mampu melakukan perhitungan dan analisis pengkondisian udara. Cakupan dari pokok bahasan ini adalah prinsip pengkondisian udara, penggunaan
Lebih terperinciANALISIS PENAMBAHAN MOMENTUM PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK
Seminar Nasional Informatika 0 ANALISIS PENAMBAHAN MOMENTUM PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK Yudhi Andrian, Purwa Hasan Putra Dosen Teknik Informatika,
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Kelangsungan Hidup Ikan Nila Nirwana Selama Masa Pemeliharaan Perlakuan Kelangsungan Hidup (%)
BAB IV HASIL DAN PEMBAHASAN 4.1. Kelangsungan Hidup Berdasarkan hasil pengamatan dari penelitian yang dilakukan selama 30 hari, diperoleh bahwa pengaruh salinitas terhadap kelangsungan hidup benih nila
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 terperinciDerajat dari reaksi biokimia pada suatu organisme dipengaruhi oleh:
TERMODINAMIKA Derajat dari reaksi biokimia pada suatu organisme dipengaruhi oleh: Temperatur (organisme dan lingkungan) Penyebaran radian kalor laten Kapasitas kalor Resistansi Sifat Atmosfer dan Temperatur
Lebih terperinciKOMPARASI HASIL KLASIFIKASI PENYAKIT DIABETES MELLITUS MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN LEARNING VECTOR QUANTIZATION
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 14 Mei 2011 KOMPARASI HASIL KLASIFIKASI PENYAKIT DIABETES MELLITUS MENGGUNAKAN JARINGAN
Lebih terperinciGambar 2. Profil suhu dan radiasi pada percobaan 1
HASIL DAN PEMBAHASAN A. Pengaruh Penggunaan Kolektor Terhadap Suhu Ruang Pengering Energi surya untuk proses pengeringan didasarkan atas curahan iradisai yang diterima rumah kaca dari matahari. Iradiasi
Lebih terperinciPERAMALAN JUMLAH KENDARAAN DI DKI JAKARTA DENGAN JARINGAN BACKPROPAGATION
PERAMALAN JUMLAH KENDARAAN DI DKI JAKARTA DENGAN JARINGAN BACKPROPAGATION (Forecast The Number of Vehicle in Jakarta Using Backpropagation Neural Net ) Zumrotus Sya diyah Universitas Darussalam Ambon,
Lebih terperinciStudi Modifikasi standard Backpropagasi
Studi Modifikasi standard Backpropagasi 1. Modifikasi fungsi objektif dan turunan 2. Modifikasi optimasi algoritma Step Studi : 1. Studi literatur 2. Studi standard backpropagasi a. Uji coba standar backpropagasi
Lebih terperinciGrafik tegangan (chanel 1) terhadap suhu
IV. HASIL DAN PEMBAHASAN 4.1 KONVERSI RANGKAIAN PENGUKUR SUHU Rangkaian pengukur suhu ini keluarannya adalah tegangan sehingga dibutuhkan pengambilan data konversi untuk mengetahui bentuk persamaan yang
Lebih terperinciARTIFICIAL NEURAL NETWORK TEKNIK PERAMALAN - A
ARTIFICIAL NEURAL NETWORK CAHYA YUNITA 5213100001 ALVISHA FARRASITA 5213100057 NOVIANTIANDINI 5213100075 TEKNIK PERAMALAN - A MATERI Neural Network Neural Network atau dalam bahasa Indonesia disebut Jaringan
Lebih terperinci02. Jika laju fotosintesis (v) digambarkan terhadap suhu (T), maka grafik yang sesuai dengan bacaan di atas adalah (A) (C)
Pengaruh Kadar Gas Co 2 Pada Fotosintesis Tumbuhan yang mempunyai klorofil dapat mengalami proses fotosintesis yaitu proses pengubahan energi sinar matahari menjadi energi kimia dengan terbentuknya senyawa
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN A. Simulasi Distribusi Suhu Kolektor Surya 1. Domain 3 Dimensi Kolektor Surya Bentuk geometri 3 dimensi kolektor surya diperoleh dari proses pembentukan ruang kolektor menggunakan
Lebih terperinciSTAF LAB. ILMU TANAMAN
STAF LAB. ILMU TANAMAN Suhu Suhu merupakan faktor lingkungan yang berpengaruh terhadap pertumbuhan dan perkembangan tanaman Suhu berkorelasi positif dengan radiasi mata hari Suhu: tanah maupun udara disekitar
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 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 terperinciGambar 8. Profil suhu lingkungan, ruang pengering, dan outlet pada percobaan I.
IV. HASIL DAN PEMBAHASAN A. Suhu Ruang Pengering dan Sebarannya A.1. Suhu Lingkungan, Suhu Ruang, dan Suhu Outlet Udara pengering berasal dari udara lingkungan yang dihisap oleh kipas pembuang, kemudian
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 V ANALISIS DAN INTERPRETASI HASIL
BAB V ANALISIS DAN INTERPRETASI HASIL Pada bab ini diuraikan mengenai analisis dan interpretasi hasil perhitungan dan pengolahan data yang telah dilakukan pada bab IV. Analisis dan interpretasi hasil akan
Lebih terperinci4. HASIL DAN PEMBAHASAN. kaca, dan air. Suhu merupakan faktor eksternal yang akan mempengaruhi
4. HASIL DAN PEMBAHASAN 4.1 Hasil Uji Coba Lapang Paremeter suhu yang diukur pada penelitian ini meliputi suhu lingkungan, kaca, dan air. Suhu merupakan faktor eksternal yang akan mempengaruhi produktivitas
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 I PENDAHULUAN. Agro Klimatologi ~ 1
BAB I PENDAHULUAN Klimatologi berasal dari bahasa Yunani di mana klima dan logos. Klima berarti kemiringan (slope) yang diarahkan ke lintang tempat, sedangkan logos berarti ilmu. Jadi definisi klimatologi
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 terperinciANALISA JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI PRODUKTIVITAS PEGAWAI. Jasmir, S.Kom, M.Kom
ANALISA JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI PRODUKTIVITAS PEGAWAI Jasmir, S.Kom, M.Kom Dosen tetap STIKOM Dinamika Bangsa Jambi Abstrak Pegawai atau karyawan merupakan
Lebih terperinciLEARNING VECTOR QUANTIZATION UNTUK PREDIKSI PRODUKSI KELAPA SAWIT PADA PT. PERKEBUNAN NUSANTARA I PULAU TIGA
LEARNING VECTOR QUANTIZATION UNTUK PREDIKSI PRODUKSI KELAPA SAWIT PADA PT. PERKEBUNAN NUSANTARA I PULAU TIGA 1,2,3 Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara e-mail: edgar.audela.bb@students.usu.ac.id,
Lebih terperinciBAB I PENDAHULUAN. khatulistiwa, maka wilayah Indonesia akan selalu disinari matahari selama jam
BAB I PENDAHULUAN 1.1 Latar Belakang Indonesia merupakan negara yang memiliki berbagai jenis sumber daya energi dalam jumlah yang cukup melimpah. Letak Indonesia yang berada pada daerah khatulistiwa, maka
Lebih terperinci4 HASIL DAN PEMBAHASAN. Tabel 3 Data perubahan parameter kualitas air
4 HASIL DAN PEMBAHASAN 4.1 Analisis Kualitas Air Kualitas air merupakan faktor kelayakan suatu perairan untuk menunjang kehidupan dan pertumbuhan organisme akuatik yang nilainya ditentukan dalam kisaran
Lebih terperinciSTAF LAB. ILMU TANAMAN
STAF LAB. ILMU TANAMAN CAHAYA Faktor esensial pertumbuhan dan perkembangan tanaman Cahaya memegang peranan penting dalam proses fisiologis tanaman, terutama fotosintesis, respirasi, dan transpirasi Fotosintesis
Lebih terperinciANALISIS SUDUT DATANG RADIASI MATAHARI DAN PENGEMBANGAN MODEL PINDAH PANAS PADA GREENHOUSE MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
ANALISIS SUDUT DATANG RADIASI MATAHARI DAN PENGEMBANGAN MODEL PINDAH PANAS PADA GREENHOUSE MENGGUNAKAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh: TITIN NURYAWATI F14102048 2006 DEPARTEMEN TEKNIK PERTANIAN
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 terperinciArchitecture Net, Simple Neural Net
Architecture Net, Simple Neural Net 1 Materi 1. Perceptron 2. ADALINE 3. MADALINE 2 Perceptron Perceptron lebih powerful dari Hebb Pembelajaran perceptron mampu menemukan konvergensi terhadap bobot yang
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 terperinciANALISIS ALGORITMA INISIALISASI NGUYEN-WIDROW PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK
ANALISIS ALGORITMA INISIALISASI NGUYEN-WIDROW PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK Yudhi Andrian 1, M. Rhifky Wayahdi 2 1 Dosen Teknik Informatika,
Lebih terperinciPrediksi Curah Hujan Di Kota Pontianak Menggunakan Parameter Cuaca Sebagai Prediktor Pada Skala Bulanan, Dasarian Dan Harian Asri Rachmawati 1)*
Prediksi Curah Hujan Di Kota Pontianak Menggunakan Parameter Cuaca Sebagai Prediktor Pada Skala Bulanan, Dasarian Dan Harian Asri Rachmawati 1)* 1)Stasiun Meteorologi Supadio Pontianak Badan Meteorologi
Lebih terperinciPERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
PERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK OLEH ARIF MIFTAHU5R ROHMAN (2200 100 032) Pembimbing: Dr. Ir Djoko Purwanto, M.Eng,
Lebih terperinciIII. HASIL DAN PEMBAHASAN
III. HASIL DAN PEMBAHASAN 3.1 Hasil 3.1.1 Fisika Kimia Air Parameter fisika kimia air yang diamati pada penelitian ini adalah ph, CO 2, NH 3, DO (dissolved oxygen), kesadahan, alkalinitas, dan suhu. Pengukuran
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 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 terperinciKEANDALAN BALOK STATIS TERTENTU DENGAN ARTIFICIAL NEURAL NETWORKS
KEANDALAN BALOK STATIS TERTENTU DENGAN ARTIFICIAL NEURAL NETWORKS Martinus S.P. Abednego [1], Yosafat Aji Pranata [2] Jurusan Teknik Sipil, Universitas Kristen Maranatha Jln. Prof. drg. Suria Sumantri,
Lebih terperinci