Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"Transformer memainkan peran besar dalam distribusi energi listrik. Salah satu faktor yang menentukan tingkat keandalan transformator adalah umur transformator. Semakin sering sebuah transformator digunakan, semakin tidak dapat diandalkan transformatornya dan karena itu memperpendek umurnya. Tujuan dari penelitian ini adalah untuk memprediksi umur transformator berdasarkan perhitungan transformator indeks kesehatan yang kemudian dimodelkan menggunakan jaringan saraf tiruan.Hasil dari penelitian ini adalah nilai-nilai yang digunakan sebagai parameter dalam pengujian transformator yaitu isolasi minyak, furan, dan gas terlarut. Salah satu kelebihan metode jaringan saraf tiruan dalam memprediksi usia transformator adalah kesalahan perhitungan yang dapat diminimalisir.Dari hasil penelitian ini, ditemukan bahwa hasil prediksi menggunakan jaringan saraf tiruan dan kondisi asli transformator berdasarkan indeks kesehatan transformator memiliki nilai yang hampir sama, sehingga dapat dikatakan bahwa sistem prediksi usia transformator sudah dapat digunakan langsung untuk menentukan usia transformator lain, baik yang baru maupun yang sudah beroperasi, dengan persentase kesalahan yang rendah. Selanjutnya, metode ini dapat digunakan sebagai opsi dalam mempertahankan transformator daya.

---

Transformers play a big role in the distribution of electrical energy. One factor that determines the level of reliability of the transformer is the life of the transformer. The more often a transformer is used, the more unreliable the transformer and therefore shortens its life. The purpose of this study is to predict the life of the transformer based on the calculation of the transformer health index which is then modeled using an artificial neural network.

The results of this study are the values ​​used as parameters in transformer testing, namely the isolation of oil, furan, and dissolved gas. One of the advantages of artificial neural network methods in predicting the age of a transformer is a calculation error that can be minimized.

From the results of this study, it was found that the prediction results using artificial neural networks and the original condition of the transformer based on the transformer health index have almost the same value, so it can be said that the transformer age prediction system can be used directly to determine the age of other transformers, both new and already operating, with a low error percentage. Furthermore, this method can be used as an option in maintaining power transformers."

"Secara teoritis, biometrik dapat digunakan untuk mengidentifikasi dan memverifikasi suatu individu. Iris mata merupakan salah satu instrumen biometric yang handal, karena keunikan dari dan kompleksitasnya.Di dalam penelitian ini dirancang bangun program identifikasi iris mata menggunakan metode Jaringan Syaraf Tiruan (JST). Citra mata dijital yang akan diidentifikasi pertama-tama dilakukan pra-pengolahan terlebih dahulu. Proses ini memisahkan bagian iris dari citra mata menggunakan metode morphologi, yaitu close, erosi dan dilasi. Selanjutnya, citra disegmentasi untuk memisahkan citra iris berbentuk lingkaran dalam koordinat x-y menjadi format polar r-θ berbentuk persegi panjang. Citra polar kemudian diekstrasi untuk mendapatkan nilai karakteristik rata-ratanya dalam bentuk matriks 40 x 1. Nilai karakteristik dilatih dan dimasukkan ke dalam database sebagai input pembanding untuk proses identifikasi. JST terdiri dari 10 layer tersembunyi, 1 layer keluaran, dengan fungsi aktifasi tansig dan purelin.Setelah dilakukan pelatihan untuk 80 citra iris, baik mata kiri maupun kanan, proses identifikasi mencapai tingkat akurasi rata-rata sebesar 87% untuk 5 buah input citra dengan 20 kali uji coba.

---

Theorically, biometric can be used to identify dan verify an individu. Iris is one of biometric identifier that highly acceptable because of its uniqueness and complexity.

The objective of this research is to identifiy an iris using Artificial Neural Network (ANN) method. First, the digital infrared image of eye will be preprocessed which separate the iris from the eye using morphology technique, such as closing, erosion, and dilation. The iris is then transformed from x-y dimension into r-θ polar image, which convert the circle shape into rectangle one. The image was then extracted in order to get the average value of its intensities and saved in 40 x 1 matrix size. These values will be trained in the ANN and inserted into a database to be used as a comparator in identification process. The ANN consisted of 10 hidden layer, 1 output layer, and activation functions of tansig and purelin, respectively.

Using 80 images as training data, the identification accuracy reached 87 % for 5 images and 20 times of test for left side and right side eyes."

"Penyakit pada jantung merupakan salah satu penyebab kematian pada manusia di seluruh dunia. Salah satunya merupakan serangan jantung yang disebabkan adanya kelainan pada katup jantung yang dapat dideteksi melalui suara murmur pada detak jantung penderita. Skripsi ini merancang sistem pengenalan penyakit jantung 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 menganalisis pengenalan penyakit jantung. Metode yang digunakan adalah backpropagation yang terdiri atas lapisan masukan, lapisan tersembunyi dan lapisan keluaran. Pada penelitian ini analisis yang dilakukan adalah training data dengan fungsi gradient (traingd) serta menggunakan fungsi aktivasi purelin. Hasil dari pengujian kelainan jantung yang diperoleh akurasi rata-ratanya sebesar 82,22 %.

---

Heart disease is one of dead effect of human being in the world. One of them is heart attack which is cause by valve heart disease which can be detected by murmur sound of heartbeat patients. This Final Project is design of heart disease recognition system using Neural Network method. Neural Network is a computing method for modeling the system. Neural Network configuration and characteristic is very flexible enable which used for modeling, design dan analysing heart disease recognition. The methods which used is backpropagation which consist of input layer, hidden layer and output layer. In this research the analysis that has been done is file training with gradient function (traingd) and using purelin activation function. The result from testing heart disease is obtained average accuracy about 82,22 %."

"Dalam skripsi ini dibuat perangkat lunak yang dapat mengenali tipe ABO golongan darah manusia melalui pengolahan citra berbasiskan Jaringan Syaraf Tiruan (JST). Pola sampel darah yang direaksikan dengan reagen akan memiliki hasil pasangan penggumpalan yang berbeda. Jenis reagen yang direaksikan adalah antigen-A dan antigen-B. Pola pasangan darah dan reagen serta bentuk penggumpalan citra darah menjadi ciri dan kombinasi yang unik untuk membedakan tipe-tipe darah yang ada.Data sampel darah berupa citra digital yang diperoleh menggunakan kamera digital. Sampel darah direaksikan dengan reagen di atas preparat dengan urutan reagen anti-A ditempatkan pada bagian kiri preparat dan reagen anti-B pada bagian kanan. Sebelum diolah dalam sistem JST, data melewati pra-proses, yaitu proses perbaikan citra digital yang terdiri dari proses pencuplikan, gray-level quantization, dan normalisasi dalam bentuk matriks. Hasil akhirnya berupa citra fitur hitam putih dalam matriks berukuran 5×5. Hasil pra-proses kemudian dihitung nilai parameter karakteristiknya, yaitu nilai rata-rata matriks tersebut. Nilai ini selanjutnya akan dijadikan input bagi proses pelatihan jaringan syaraf tiruan dengan metode backpropagation.Jumlah data sampel sebanyak 120 set, dimana 80 di antaranya digunakan untuk melatih JST, dan sisanya digunakan untuk menguji JST. Hasil simulasi menunjukkan sistem mampu mengenali golongan darah dengan tingkat akurasi hingga 90%.

---

In this research, an identification system of human blood type is designed using image processing techniques and the Artificial Neural Network (ANN) with backpropagation algorithms. The pattern of human blood type was formed using a chemical reaction between the blood and a reagent. The reagent that used in the reaction process are anti-A and anti-B reagent. Using a flat glass preparat as a media, the anti-A reagent is mixed to the blood sample on the left side and the anti-B reagent on the right side. Combination of blood coagulation pairs could distinguish the blood type.

The blood coagulation pair is converted into digital images after taken by a digital camera. The image is then pre-processed and normalized to 50×50 matrix size. The matrix is divided to different blocks and reduced to 5×5 grayscale image. The preprocessing involved sampling, gray-level quantization, and normalization. After preprocessing, the mean of 5×5 gray scale image will be calculated and used as the input for the ANN.

The total number of blood sample data is 140 pairs, 80 set of them are used for training process of the ANN and the rest are used for identification. The simulation result shows that the system is able to identify up to 90% level of accuracy."

"Penelitian ini bertujuan untuk membuat model peramalan yang efektif dalam meramalkan penjualan produk mobil dalam segmen B2B (Business to Business) agar didapatkan estimasi penjualan produk di masa mendatang. Peneilitian ini menggunakan regresi linear berganda dan jaringan syaraf tiruan yang dioptimasi dengan algoritma genetika.  Faktor peramalan penjualan mobil pada umumnya meliputi penjualan mobil secara nasional, Indeks Harga konsumen, Indeks Kepercayaan Konsumen, Laju Inflasi, Produk Domestik Bruto (GDP), dan  Harga Bahan Bakar Minyak (BBM). Penulis juga telah mendapatkan faktor yang berpengaruh dalam penjualan segmen B2B dengan menyebarkan survey (kuesioner) kepada 102 orang DMU (Decision Making Unit) yang memiliki keputusan dalam pembelanjaan mobil di perusahaan mereka. Kemudian hasil scoring dari kuesioner tersebut kami bobotkan pada data training dan simulasi pada Jaringan Syaraf Tiruan. Hasil penelitian ini menunjukkan bahwa Jaringan Syaraf Tiruan yang dioptimasi  dengan Algoritma Genetika dengan 18 Variabel dapat meningkatkan akurasi peramalan penjualan mobil segmen B2B dengan error 1,3503%, jika dibandingkan nilai error pada Jaringan Syaraf Tiruan biasa sebesar 4,173% dan Regresi Linear Berganda sebesar 17,68%.

---

ABSTRACTThis study aims to create an effective forecasting model in predicting sales of car products in the B2B segment (Business-to-Business) in order to obtain estimates of product sales in the future. This research uses multiple linear regression and artificial neural networks that are optimized by genetic algorithms. Car sales forecasting factors generally include National car sales, Consumer Price Index, Consumer Confidence Index, Inflation Rate, Gross Domestic Product (GDP), and Gasoline Price. The author has also obtained an influential factor in the sale of B2B segments by distributing surveys (questionnaires) to 102 DMU (Decision Making Unit) who have a decision in car purchasing at their company. Then the results of the scoring from the questionnaire are weighted to the training and simulation data on the Artificial Neural Network. The results of this study indicate that the Artificial Neural Network optimized with Genetic Algorithm can improve the accuracy of forecasting B2B segment car sales with an error of 1.3503%, when compared to the error value in the usual Artificial Neural Network of 4.173% and Multiple Linear Regression of 17.68 %."

"ABSTRAKKota Depok yang mempunyai luas wilayah sekitar 20.029 ha, tidak terlepas dari fenomena dinamika perubahan lahan akibat pertambahan penduduk terus menerus. Apabila proses ini dibiarkan maka akan terjadi pergeseran penggunaan lahan yang semakin tidak terkendali. Prediksi penggunaan lahan menjadi salah satu alternatif sebagai antisipasi pengendalian penggunaan lahan yang berlebihan dimasa yang akan datang . Penelitian ini bertujuan untuk melakukan pemodelan untuk memprediksi perubahan penggunaan lahan di Kota Depok tahun 2030 menggunakan aplikasi Cellular Automata-Markov dengan metode Jaringan Syaraf Tiruan, lalu membandingkannya dengan Rencana Tata Ruang Wilayah RTRW kota Depok sebagai salah satu instrumen perencanaan. Hasil penelitian menunjukan perubahan penggunaan lahan dari tahun 1998 ndash; 2013. Penambahan luas penggunaan lahan terjadi pada permukiman sebesar 7254 ha Kecamatan Limo dan Sukmajaya , pertanian/tegalan/ladang sebesar 3327, semak/tanah terbuka dan badan air masing ndash; masing 395 ha dan 451 ha Penurunan secara besar terjadi pada kebun/vegetasi dan sawah yaitu sebesar 9707 ha dan 1350 ha. Prediksi penggunaan lahan menunjukan penambahan luas penggunaan lahan terjadi pada kebun Kecamatan Tapos sebesar 1813 ha, permukiman sebesar 391 ha Kecamatan Beji, Pancoran Mas, Sukmajaya , dan sawah sebesar 864 ha. Penurunan secara besar terjadi pada pertanian yaitu sebesar 1971 ha dan semak/tanah terbuka sebesar 1079 ha. Prediksi perubahan penggunaan lahan di Kota Depok untuk tahun 2030 pada memiliki nilai Kappa sebesar 0.68 akurasi 68 . Setelah dibandingkan dengan RTRW setidaknya terdapat kemiripan sebesar 13.700 ha atau 68 luas total Kota Depok. Setidaknya sekitar 12516 ha permukiman kepadatan tinggi, 1549 ha untuk Ruang Terbuka Hijau, dan 80 ha untuk Daerah Resapan Air.

---

ABSTRACTDepok city which has an area of about 20,029 ha, is inseparable from the phenomenon of the dynamics of land use change due to the continuous population growth. If the process is allowed then there will be a huge shift and uncontrolled in land use . Land use prediction is one of the alternatives in anticipation of excessive land use control in the future. This study aims to model the prediction of land use change in Depok City by 2030 using Cellular Automata Markov application with Artificial Neural Network method and compare it with Spatial Planning RTRW of Depok as one of the planning instruments. The results of the study show the land use change from 1998 to 2013. The increase of land use occurred in settlements of 7254 ha Limo and Sukmajaya SubDistrct , agriculture of 3327ha, shrubs open land and water bodies of 395 ha and 451 ha. The large decrease occurred in the garden vegetation and rice fields that amounted to 9707 ha and 1350 ha. Land use prediction shows the increase of land use occurred in the vegetation Tapos Sub District of 1813 ha, settlements of 391 ha Beji, Pancoran Mas, Sukmajaya Sub District , and rice field of 864 ha. A large decrease occurred in agriculture that amounted to 1971 ha and shrub open land of 1079 ha. The prediction of land use change in Depok for 2030 has a Kappa value of 0.68 68 accuracy . After comparison with RTRW, there is at least 13,700 ha or 68 of total Depok City. At least around 12516 ha of high density settlements, 1549 ha for the Green Open Space, and 80 ha for the Water Catchment Area."

"Untuk mengindentifikasi kondisi janin di dalam kandungan, dewasa ini masih dilakukan tindakan konvensional yang dapat menyakiti janin dalam kandungan dan si ibu. Di dalam penelitian ini dirancang bangun program identifikasi kondisi janin dengan near infrared spectroscopy yang dikenal melalui metode Jaringan Syaraf Tiruan (JST). Gelombang cahaya yang diterima dari proses penyinaran NIRS ke jaringan otak dikonversi ke gelombang audio, selanjutnya gelombang audio tersebut dihubungkan ke komputer melalui input audio. Pada tahap awal pendeteksian gelombang, pertama-tama dilakukan pra-pengolahan terlebih dahulu. Gelombang spektroskopi diperbesar untuk mendapatkan bentuk gelombang yang baik, dan selanjutnya gelombang ini dipotong- potong hingga didapat spektrum yang dapat mewakili karakteristik gelombang dalam bentuk matriks 75x1. Nilai karakteristik dilatih dan dimasukkan ke dalam database sebagai input pembanding untuk proses identifikasi. JST terdiri dari 100 layer tersembunyi dan 1 layer keluaran, dengan fungsi aktifasi tansig dan purelin. Setelah dilakukan pelatihan untuk 30 gelombang audio yang masing?masing terdiri dari 10 gelombang audio kondisi janin normal, 10 gelombang audio kondisi janin asfiksia dan 10 gelombang audio janin preasfiksia, identifikasi kondisi janin ini mencapai tingkat akurasi rata-rata sebesar 66,67% dengan 4 kali pengukuran pada 15 sampel input.

---

To identifying fetal condition on the womb nowadays, some people still using conventional method that can harm the fetal it self and the mother.

The objective of this research, we try to build up a program to identify fetal condition through spectroscopy that also known as Artificial Neural Network method. Light wave that collected from NIRS to the fetal's brain cell converted to be audio wave, then we connect this audio wave to the computer with the audio input tools. In the first step of the wave detection, we should do the pre-processing of the wave. The signal wave from spectroscopy are zoomed out to get a good specific wave. And then we broke it down to get specific charasteristic spectrum of the wave in the form of matrix 75x1. The value of its charasteristic is trained and input on the database as the input comparator for the identify process. ANN is contain of 100 layer as the hidden layer and 1 layer as the output layer, with tansig function and purelin function as the activation function.

After training for 30 spectroscopy wave, that contains of 10 audio wave of the fetal condition in normal, 10 audio wave in asphyxia and 10 audio wave in pre-asphyxia condition, identification of the fetal condition reach average of the accuracy in 66,67% with 4 times measuring for 15 input sample."

"Peramalan merupakan suatu metode yang digunakan untuk memperkirakan kejadian di masa depan dengan menggunakan data historis sebagai acuannya. Penggunaan pupuk meningkat pesat selama abad ke-20, dan harga pupuk serta pangan mempunyai korelasi yang sangat tinggi. Salah satu bahan baku pupuk adalah Muriate of Potash (MOP), yang dapat disebut juga Kalium Klorida (KCl). Bahan baku tersebut berasal dari barang tambang yang tidak ditemukan di semua negara, termasuk Indonesia. Kebutuhan MOP diprediksi terus meningkat setiap tahunnya. Hal ini dikarenakan kebutuhan pupuk terus meningkat. Namun harga KCl sebagai bahan baku pupuk juga sama fluktuatifnya dengan harga Minyak Mentah. Banyak metode peramalan harga yang ada untuk memprediksi harga minyak mentah, namun proyeksi harga KCl masih terbatas. Indonesia merupakan negara pengimpor KCl terbesar kelima di dunia. Oleh karena itu, diperlukan penelitian lebih lanjut mengenai proyeksi harga KCl karena KCl memiliki karakteristik yang berbeda dengan Minyak Mentah dan barang pertambangan komoditas lainnya. Dalam penelitian ini akan digunakan metode Jaringan Saraf Tiruan (JST) dan Regresi Linier Berganda yang akan dikombinasikan dengan Metode Multi Criteria Decision Making (MCDM) DEMATEL untuk menentukan kriteria yang berpengaruh. Dari hasil penelitian menunjukkan bahwa faktor yang paling berpengaruh dalam peramalan harga KCl antara lain harga pupuk NPK, kapasitas produksi, harga minyak sawit, permintaan kalium, perang Russia-Ukraina dan biaya pengiriman. Peramalan harga KCl dengan menggunakan data historis dari tahun 2010-2023 dan memasukkan variabel berpengaruh berdasarkan metode DEMATEL, metode Regresi Linier Berganda memiliki error lebih tinggi yaitu sebesar 9,258% dibandingkan metode Jaringan Saraf Tiruan dengan regularisasi dan dropout sebesar 8,87%.

---

Forecasting is a method used to predict future events using historical data as a reference. Fertilizer use increased rapidly during the 20th century, and fertilizer and food prices are highly correlated. One of the raw materials for fertilizer is the Muriate of Potash (MOP), also called Potassium Chloride (KCl) for the element Potassium. These raw materials come from mining goods not found in all countries, including Indonesia. The need for MOP is predicted to continue to increase every year. This is because the need for fertilizer continues to increase. However, the price of MOP as a raw material for fertilizer is also as volatile as that of Crude Oil. Many price forecasting methods exist to predict crude oil prices, but MOP price projections are still limited. Indonesia is the fifth largest MOP-importing country in the world. Therefore, further research is needed regarding MOP price projections because MOP has characteristics different from Crude Oil and other commodity mining goods. In the research in this paper, the Artificial Neural Network (ANN) and Multi Linear Regression (MLR) method will be used, which will be combined with the Multi Criteria Decision Making (MCDM) DEMATEL Method to determine influential criteria. The research results show that the most influential factors in forecasting MOP prices include the price of NPK fertilizer, production capacity, palm oil prices, potassium demand, the Russia-Ukraine war, and freight costs. Forecasting MOP prices using historical data from 2010-2023 and including influential variables based on the DEMATEL method, the Multiple Linear Regression method has a higher error of 9.258% compared to the Artificial Neural Network method with regularization and dropout of 8.87%."