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."