Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dengan kemajuan perangkat lunak sekarang ini serta diperkenalkannya ilmu pengetahuan Artificial Intellegent sejak tahun 50-an dan khususnya teknologi Jaringan Syaraf Tiruan sebagai salah satu perangkat lunak Intellegent Quotient yang dapat digunakan sebagai mesin penghitung. Jaringan Syaraf Tiruan (JST) mampu memecahkan permasalahan yang sulit dipecahkan dengan persamaan matematis biasa dalam waktu yang relatif cepat. Hasil perhitungan dari JST dapat dipakai sebagai Output perhitungan. Sistem JST merupakan salah satu teknik yang dikembangkan untuk sistem kecerdasan buatan dengan cara meniru cara kerja Jaringan syaraf biologis pada mahkluk hidup. Masukan untuk Jaringan syaraf biologis adalah penerimaan respon sedangkan keluarannya adalah tanggapan, dimana hubungan antara Input dengan Output-nya memiliki hubungan yang sulit dijabarkan serta dapat memberikan tanggapan yang benar terhadap Input yang tidak dikenal ( Model Free Estimator). JST dapat menghasilkan Output yang diharapkan, karena JST ini dilatih (training) dan diajar (learning). Proses pelatihan dan pengajaran JST ini dengan cara memberikan suatu bobot (weight) pada Input secara random, kemudian bobot ini diubah-ubah dengan aturan dan sejumlah iterasi tertentu sampai didapatkan hasil yang diharapkan. JST ini akan digunakan untuk pemodelan UV Lamp 1 filter, UV Lamp 2 filter dan Water Softener filter pada Sistem Pembuatan Air Steril ( Demineralized Water Process System ). Dalam Tugas Akhir ini dilakukan pembuatan JST yang berbasis pada Jaringan Backpropagation dan mencoba membandingkan beberapa Jaringan yang bisa dibuat dari parameter - parameter yang diukur dalam DI Water System untuk dicari pemodelan Jaringan terbaik untuk dijadikan sebagai sistem pemodelan Jaringan terbaik untuk DI Water System."

"Tsunami adalah disebabkan oleh getaran gelombang gempa yang melebihi parameter tertentu. Skripsi ini membahas tentang perancangan sistem pengenalan gelombang gempa dengan menggunakan metode Jaringan Syaraf Tiruan. Jaringan Syaraf Tiruan (JST) adalah suatu metode komputasi untuk memodelkan suatu sistem. Bentuk dan sifat JST yang sangat flexible memungkinkan JST digunakan untuk memodelkan, merancang dan menganalisa pengenalan gelombang gempa. Metode yang digunakan adalah backpropagation yang terdiri atas lapisan masukan, lapisan tersembunyi dan lapisan keluaran. Pada penelitian ini analisa yang dilakukan adalah training data dengan fungsi gradient (traingd) serta menggunakan fungsi aktivasi purelin.

---

Tsunamis are seismic waves caused by vibrations that exceed certain parameters. This thesis discusses the design of seismic wave recognition system using neural networks. Artificial Neural Network (ANN) is a computational method for modeling a system. The form and nature of the ANN, which is very flexible allowing ANN used for modeling, designing and analyzing the introduction of seismic waves. The method used is backpropagation which consists of an input layer, hidden layer and output layer. In this research, analysis, training data is a function of gradient (traingd) and using the activation function purelin."

"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."

"Biometrik adalah proses identifikasi dan autentikasi berdasarkan atribut unik yang dimiliki oleh manusia. Salah satu atribut manusia yang dapat digunakan untuk biometrik adalah iris. Iris adalah bagian dari mata yang mengatur banyaknya cahaya yang masuk mengenai retina. Iris berbentuk lingkaran dan memiliki karakteristik yang unik pada setiap orang. Penelitian ini adalah tentang pengenalan iris untuk biometrik.Dalam penelitian ini pembuatan vektor masukan untuk pengenalan dilakukan dengan cara yang berbeda dari biasanya yaitu dengan melingkar, sesuai bentuk iris. Untuk pengenalannya digunakan metode pattern matching dan jaringan syaraf tiruan. Dengan pembuatan vektor masukan secara melingkar, tingkat pengenalan yang dihasilkan cukup tinggi terutama jika metode pengenalan yang digunakan adalah dengan pattern matching.

---

Biometric is the process of identification and authentication based on many unique attributes of human. One of the usable human attributes for biometric is iris. Iris is a part of the human eye which controls the amount of light going to the retina. Iris is circular and each person has a different iris characteristics. This research is about iris recognition for biometrics.

In this research, the input vector for recognition is created with a different way from the usual. The input vector is created by following iris shape which is circular. The recognition process is done by using pattern matching and artificial neural network. The creation of input vector by circling yields a high recognition rate, especially when pattern matching is used for the recognition process."

"Masalah terbesar dalam suatu proses Destilasi adalah sering berubahnya konfigurasi dari aliran masukan, dikarenakan aliran masukan tersebut tersebut berasal dari dari sumur minyak yang sudah pasti besarnya akan selalu berubah, sehingga akan berpengaruh terhadap konfigurasi unit-unit destilasi lainnya. Kebanyakan dari data yang dihasilkan dari proses distilasi merupakan data yang nonlinier dan kompleks jika menggunakan model yang konvensional. Jaringan syaraf tiruan adalah salah satu metode yang banyak dikembangkan untuk membuat sistem permodelan yang berasal dari pengambilan data secara langsung.. Sulitnya menemukan korelasi untuk memprediksi konfigurasi unit utilitas dan proses dengan aliran masukan yang selalu berubah dalam suatu proses distilasi menjadikan metode jaringan syaraf tiruan sebagai salah suatu solusi yang dapat digunakan untuk melakukan suatu prediksi setting kondisi operasi. Pada penelitian ini dilakukan pendefinisian model arsitektur jaringan saraf tiruan dengan menggunalkan backpropagation dan basis radial yang kemudian dilakukan proses pembelajaran dengan data pembelajaran berupa data historis yang didapat dari unit Debutanizer 16-C-104 selama periode April sampai 31 Agustus 2006. Unit ini merupakan unit proses distilasi kepunyaan PT. Pertamina (Persero) UP-VI Balongan. Penelitian ini menghasilkan sebuah perangkat lunak simulasi yang dapat memprediksikan setting temperatur feed, temperatur kondenser, temperatur reboiler, temperatur reflux, dan tekanan kondenser proses destilasi dengan tingkat kesalahan di bawah 1 % menggunakan kedua jenis JST. Sedangkan Jika menggunakan Hysis didapat hasil kesalahan diatas 5 %."

"Salah satu unit proses yang sulit untuk dilakukan pemodelanannya secara matematis adalah unit proses ammonia converter. Dalam unit proses ini produk yang dihasilkan dipengaruhi berbagai macam proses seperti proses reaksi kimia, proses quenching, serta perpindahan kalor, yang kesemuanya dipengaruhi oleh setting laju alir pada aliran feed, by-pass, quench dan interchanger dalam ammonia converter. Dengan banyaknya proses yang terjadi, perubahan kondisi pada aliran masukan akan sangat berpengaruh terhadap produk yang dihasilkan, sehingga dibutuhkan pengubahan setting laju alir dalam ammonia agar produk tetap sesuai dengan spesifikasi yang diinginkan, oleh karena itu dibutuhkan suatu alat untuk memprediksi kondisi operasi ammonia converter yang dapat mengikuti perilaku alami dari unit proses ammonia converter tersebut. Metode jaringan syaraf tiruan backpropagation dan jaringan regresi dapat digunakan untuk memprediksi setting laju alir dalam ammonia converter jika diketahui data historis kondisi operasi dan setting laju alir yang sudah ada pada unit ammonia converter tersebut. Dalam penelitian ini dilakukan perancangan jaringan syaraf tiruan dengan menggunakan backpropagation dan jaringan regresi yang kemudian dilakukan proses pembelajaran, validasi dan simulasi dengan data historis yang didapat dari unit Ammonia Converter 105-D pada periode Juli - Agustus 2004. Unit ini merupakan unit proses sintesis ammonia milik PT. Pupuk Sriwidjaya (Persero). Dari penelitian diperoleh hasil bahwa untuk memprediksi setting laju alir dalam ammonia converter, dibutuhkan 4 buah jaringan syaraf tiruan paralel yang digunakan untuk memprediksi masing-masing laju alir dalam ammonia converter. Jaringan backpropagation 3 layer (lapisan) dengan 10 neuron pada layer input, 5 neuron pada hidden layer dan 1 neuron pada layer output menghasilkan kesalahan rata-rata hasil simulasi sebesar 0.85 %. Sedangkan jaringan regresi 3 layer dengan 4 neuron pada layer input, 4 neuron pada hidden layer dan 1 neuron pada layer outputnya menghasilkan kesalahan rata-rata hasil simulasi sebesar 0.523 %. Dengan hasil tersebut maka jaringan regresi dapat melakukan prediksi setting laju alir dalam ammonia converter lebih baik dibandingkan jaringan backpropagation."

"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."