Hasil Pencarian  ::  Simpan CSV :: Kembali

"Metode prakiraan curah hujan yang lazim digunakan pada saat ini adalah metode prakiraan yang bersifat subjektif. Kelemahan dari metode ini adalah kualitas prakiraannya tergantung pada pengalaman dan skill prakirawan. Hambatan yang ada adalah tidak setiap prakirawan memiliki skill dan pengalaman yang cukup memadai, sehingga prakiraan dari setiap prakirawan akan berbeda-beda. Untuk menjaga objektifitas dari suatu prakiraan, maka digunakan sistem Jaringan Syaraf Tiruan (JST) sebagai jalan untuk membangun model prakiraan curah hujan.Data yang digunakan dalam penelitian ini adalah data curah hujan harian, didukung data komponen angin u dan v, data energi kinetik persatuan massa dan data kecepatan vertikal pada lapisan 850 mb. Hasil yang didapatkan dari pengujian model JST untuk mendapatkan prakiraan curah hujan beberapa hari ke depan ini cukup memuaskan dengan korelasi rata-rata antara output JST dengan data aktual di atas 0,8. Kesimpulan dari pengujian sistem JST ini adalah JST bisa diaplikasikan untuk menghasilkan model prakiraan curah hujan jangka pendek."

"Aplikasi jaringan neural umpan maju untuk prediksi dan pemodelan nonlinear telah ditelitiuntuk data pentad curah hujan dari kota Jakarta. Desain model jaringan neural perlu dioptimalisasibaik jumlah masukan, jumlah neuron (unit), jumlah lapisan tersembunyi maupun aturan pembelajarankarena akan menentukan kinerja dari model jaringan neural dan nilai korelasi dari hasil prediksinya.Pada penelitian ini digunakan model jaringan neural dengan spesifikasi masukan 10 neuron, dua lapistersembunyi masing-masing lapis kedua 2 neuron, lapis ketiga 1 neuron dan keluaran 1 neuron.Dengan menggunakan model jaringan neural tersebut maka didapat hasil prediksi dengan keakuratanyang ditunjukkan dengan nilai koefisien korelasi yaitu nilai korelasi (r~ 0,40) untuk daerah Jakarta."

"Masalah banjir dan kekeringan selalu berkaitan langsung dengan debit air sungai dan kondisi daerah aliran sungai (DAS) di sebelah hulunya. Telah banyak studi yang berupaya menjelaskan relasi antara hujan dan debit air dalam satuan DAS dengan berbagai kelebihan dan kelemahannya. Makalah ini membahas jaringan syaraf tiruan (JST) untuk pada kejadian-kejadian hujan yang berfluktuasi secara temporal. Disini, dicari struktur JST yang memberikan hasil estimasi optimum dengan data hujan dan debit dari dua buah DAS, yaitu satu di Jepang dan satu lagi di Indonesia. Diperoleh bahwa struktur JST 3-5-1 (3 input: evapotranspirasi, hujan hari ini dan sehari sebelumnya; 5 titik pada lapisan yang optimum untuk kedua DAS tersebut, yang diperlihatkan oleh nilai R dan RMSE pada saat pembelajaran mapun pada saat verifikasi. Algoritma JST ini dikemas dalam bentuk program aplikasi sehingga mudah digunakan untuk mengestimasi sungai sungai lainnya."

"Telah diperoleh peningkatan akurasi prediksi curah hujan bulanan di wilayah Jakarta yang ditandai dengan peningkatan nilai koefisien korelasi data Tropical Rainfall Measuring Mission (TRMM) hasil simulasi jaringan syaraf tiruan. Dengan melibatkan faktor sinar kosmik sebagai masukan jaringan, diperoleh peningkatan akurasi sampai dengan 7,2% yang dicapai saat prediksi lima bulan ke depan. Untuk prediksi tiga dan empat bulan ke depan peningkatan akurasi yang diperoleh sebesar 4,8%. Hasil ini melengkapi bukti adanya kontribusi sinar kosmik dalam mempengaruhi curah hujan di wilayah Jakarta."

"ABSTRAKTesis ini membahas identifikasi sistem kiln semen dengan Jaringan Syaraf Tiruan (JST), yang meliputi penentuan parameter yang dibutuhkan untuk pemodelan sistem tersebut, dan perancangan JST yang digunakan untuk identifikasi tersebut. Dalam tesis ini digunakan struktur Multi-Layer Feedforward Network yang terdiri dari lapisan masukan, lapisan keluaran dan 2 buah lapisan tersembunyi. Data diperoleh dari kiln semen yang sebenarnya yaitu dari Pabrik Tuban-II PT. Semen Gresik (Persero) tbk., kemudian data tersebut digunakan untuk melatih JST. Untuk melakukan identifikasi menggunakan model masukan-keluaran dengan struktur serial-paralel dan pelatihan JST tersebut menggunakan algoritma Error Back Propagation. Hasil identifikasi selanjutnya disimulasikan dan dibandingkan dengan plant yang sebenarnya.

---

ABSTRACT

This thesis discuss about system identification of cement kiln using Artificial Neural Network (ANN). The process of system identification using ANN requires to define of the input and output parameters, and to decide ANN's structure. In this thesis, the Feedforward Multi-Layer Network is used which contain input layer, output layer and two hidden layers. The data are collected from the real cement kiln at Pabrik Tuban-II PT. Semen Gresik (Persero) tbk, then good data are selected for training the ANN. In this thesis is using Serial-Parallel Structure and training algorithm is using Error Back Propagation method. The result of the identification is then simulated and compared to the real plant."

"Salah satu masalah dalam pengendahan robot bergerak otonom adalah tingkat ketidak linierannya. Pengendali cerdas yang sering digunakan pada aplikasi robot adalah jaringan syaraf tiruan. Pengendali jaringan syaraf tiruan memiliki kemampuan belajar dan mampu beradaptasi terhadap perubahan sehingga mampu mengatasi masalah pengendalian pada robot bergerak otonom. Pembahasan meliputi pemodelan sistem dan perancangan pengendali jaringan syaraf tiruan untuk mengendalikan sudut heading robot. Pembelajaran jaringan syaraf tiruan dilakukan secara off-line. Analisa dilakukan terhadap hasil pelatihan yaitu pergerakkan robot pada beberapa lingkungan yang berbeda-beda. Pengendali jaringan syaraf tiruan mampu mengendalikan gerak robot hingga mencapai sasaran tanpa mengenai rintangan jika lingkungan robot sesuai dengan sifat-sifat pergerakan robot dan letak sasaran dapat dijangkau oleh sensor robot."

"Pada skripsi ini akan dirancang suatu sistem pengendalian ketinggian air untuk sistem coupled tank pp-00 berdasarkan pengendali jaringan syaraf tiruan dengan metode pelatihan adaptive interaction. Sistem yang digunakan disusun berdasarkan bentuk tangki terhubung dengan satu masukan dan satu keluaran (SISO). Sesuai dengan waktu cuplik yang telah ditentukan, komputer akan menerima data-data hasil cuplikan sensor berupa ketinggian air pada tangki kedua dengan memberikan masukan air pada tangki pertama. Pengendalian ketinggian air didasarkan pada error yang dihasilkan antara data-data yang berasal dari sensor pada tangki kedua sebagai titik ketinggian air sistem yang akan diatur dan titik acuan yang telah didefinisikan terlebih dahulu sebagai nilai setpoint. Digunakan dua buah masukan pada pengendali jaringan syaraf tiruan yaitu error pada waktu pencuplikan sekarang dan waktu pencuplikan sebelumnya. Untuk melihat bagaimana kerja dari pengendali jaringan syaraf tiruan ini akan dilakukan perubahan parameter-parameter dari jaringan syaraftiruan ini, seperti banyaknya neuron pada lapisan tersembunyi, dan konstanta pelatihan. Untuk membantu pengendali jaringan syaraf tiruan, akan diberikan pengendali tambahan yaitu pengendali feedforward. Pengendali ini kemudian akan dibandingkan performa kerjanya dengan pengendali konvensional yang telah lama dikenal, yaitu pengendali PI. Hasil simulasi memperlihatkan bahwa pengendali jaringan syaraftiruan ini dapat memberikan hasil yang lebih baik dengan pengendali PI, selain itu dengan melakukan perubahan-pembahan pada parameter jaringan syaraf tiruan dapat membantu kinerja pengendali agar dapat mengendalikan sistem menjadi lebih baik. Pada akhirnya rancangan pengendali jaringan syaraf tiruan ini ditambahkan dengan pengendali feedforward yang terbukti dapat meningkatkan kinerja pengendali jaringan syaraftiruan ini."

"ABSTRAKMetode WRV adalah metode penyetelan pengendali menunjukkan kinerja pengendaliyang lebih optimum dari metode penyetelan Ziegler Nichols, Cohen Coon, Dahlin danLopez. Metode ini menggunakan mengkorelasikan informasi dari step respon openloop tranfer function (K, τ, dan θ) untuk menentukan konstanta pengendali P, PI, danPID yaitu Kc, τi, dan τd. Namun, kompleksitas dan dinamika dari sistem proses yangspesifik membutuhkan pengendali yang mampu untuk dilatih berdasarkan data historisproses serta mampu untuk mengkombinasikan faktor-faktor yang mempengaruhisistem proses dalam memutuskan suatu aksi. Jaringan syaraf tiruan diaplikasikan yangpada sistem pengendali, mampu memberikan kedua manfaat tersebutkan.Penelitian ini dilakukan dengan mengaplikasikan jaringan syaraf tiruan untukmenentukan konstanta penyetelan pengendali P, PI, dan PID dengan menggunakanmetode penelitian yang dilakukan untuk menghasilkan metode penyetelan pengendaliWRV. Penelitian ini dilakukan dengan menggunakan tiga jenis jaringan syaraf tiruanyaitu, multi layer feed forward (MLFF), radial basis, dan generalized regression(GRNN). Hasil simulasi dan penerapan pada alat pengendali tekanan di LaboratoriumProses Operasi Teknik, Departemen Teknik Kimia FTUI menunjukkan bahwa jaringansyaraf radial basis memberikan kinerja pengendali paling optimum untuk pengendali Pdan PI, sedangkan kinerja paling optimum dari pengendali PID diperlihatkan padaaplikasi jaringan syaraf generalized regression (GRNN) sebagai metode penyetelanpengendali."