Hasil Pencarian  ::  Simpan CSV :: Kembali

"Algoritma propagasi balik merupakan algoritma yang memiliki akurasi yang cukup bagus dalam sistem klasifikasi. Akurasi yang cukup bagus pada algoritma propagasi balik dalam batasan data yang menjadi data masukan adalah data yang ideal, dalam artian tidak ada outlier didalamnya. Outlier adalah data yang muncul dan memiliki karakteristik unik yang jauh berbeda dari data observasi-observasi lainnya dan memiliki nilai ekstrim. JIka terdapat outliers dalam data ujicoba maka akurasi algoritma propagasi balik akan menurun. Dalam penelitian ini dikembangkan metode untuk menentukan outlier pada algoritma propagasi balik sehingga dapat mengurangi kelemahan algoritma propagasi balik dalam menentukan data outlier.Metode yang dikembangkan adalah mahalanobis distance outliers determination (MDOD) yaitu motode untuk menentukan outlier pada algoritma propagasi balik dengan menggunakan perhitungan jarak mahalanobis dan fuzzy distance outliers determination (FDOD) yaitu metode untuk menentukan oulier berdasarkan perhitungan jarak fuzzy. Dari percobaan dalam penelitian ini menujukkan sistem penentu outlier mampu meningkatkan akurasi pengenalan algoritma proagasi balik yang mengunakan data uji meliputi data outlier hingga mencapai dua kali dari pengenalan propagasi balik biasa. FDOD memiliki akurasi yang cukup bagus dibandingkan dengan MDOD dengan data set yang sama FDOD memiliki akurasi sebesar 84.64% sedangkan MDOD memiliki akurasi sebesar 78.21%."

"Dalam beberapa tahun ini, telah banyak penelitian yang berhubungan dengan pengenalan pola dilakukan untuk mengindentifikasi berbagai macam bentuk pola. Tesis ini membahas pengembangan jaringan saraf tiruan fungsi basis radial fuzzy. Dalam penelitian ini dilakukan dua percobaan, yaitu jaringan saraf fungsi basis radial fuzzy menggunakan SOM dan jaringan saraf fungsi basis radial fuzzy tanpa SOM.Hasil yang dicapai dari recognition rate menunjukkan jaringan saraf fungsi basis radial fuzzy menggunakan SOM memberikan performa yang baik. Jaringan saraf ini diharapkan dapat dikembangkan oleh peneliti-peneliti yang lain untuk kemajuan keilmuan dalam segala bidang.

---

In recent years, has been much research related to pattern recognition performed to identify various forms of patterns. This thesis discusses the development of artificial neural networks fuzzy radial basis functions. In this study conducted two experiments, namely radial basis function neural network fuzzy neural network using the SOM and fuzzy radial basis function without SOM.The result of recognition rate shows the radial basis function neural networks using a fuzzy SOM gives a good performance. Neural network is expected to be developed by other researchers for the advancement of knowledge in all fields."

"ABSTRAKPeramalan kecepatan angin menggunakan jaringan saraf tiruan propagasibalik merupakan salah satu metoda peramalan kecepatan angin jangka pendek(dalam orde jam) yang cukup efektif untuk diterapkan. Metoda ini mampumemberikan hasil peramalan kecepatan angin yang baik dengan error peramalanterkecil adalah 0.0017. Parameter output dari peramalan kecepatan angin sangatadaptif terhadap perubahan-perubahan yang terjadi pada parameter inputnya,sehingga hasil peramalan akan lebih mendekati kondisi sebenarnya. Parameterinput yang digunakan meliputi temperatur udara, kelembaban udara, arah angindan curah hujan

---

AbstractWind speed forecasting using backpropagation artificialneural network is one of the short-term wind speed forecasting method (in theordre of hours) which is quite effective to be applied. This method provides thegood wind speeds forecasting result with the smallest error is 0.0017. The outputparameters of wind speed forecast is very adaptive to the changes of the inputparameters, so the forecast results will be closer to the real conditions. The inputparameters that being used are air temperature, air humadity, wind direction andrainfall."

"Sistem penciuman elektronik telah dikembangkan dengan menggunakan kuarsa terlapis membran sebagai sensornya dan jaringan neural buatan Propagasi Balik (JNB-BP) sebagai sub-sistem pengenal polanya. Beberapa kelemahan penggunaan JNB-BP pada sistem penciuman elektronik adalah lamanya waktu pembelajaran dan adanya keterbatasan dalam mengenal pola aroma campuran. Untuk mengatasi masalah tersebut maka digunakan implementasi algoritma jaringan neural buatan berbasis Probabilistic Neural Network (JNB-PNN). JNB-PNN mempunyai 2 proses utama dalam tahap pembelajarannya yaitu menggunakan data pelatihan untuk membangun topologi JNB-PNN dan mencari parameter pemulus/smoothing parameter.Pengujian yang dilakukan dengan mengklasifikasikan aroma campuran secara bertahan yaitu 6, 8, 12 dan 18 aroma. Tujuan daritahapan pengklasifikasian tersebut adalah untuk melihat kemampuan dari sistem dalam mengenai pola dari aroma campuran dengan membandingkan penggunaan JNB-BP dan JNB-PNN. Hasil kedua eksperimen menunjukkan bahwa semakin banyak pola aroma uamg diklasifikasin, tingkat pengenalan sistem semakin menurun. Kemampuan dari sistem penciuman elektronik yang menggunakan JNB-BP dalam mengenal 18 pola aroma menghasilkan tingkat pengenalan di bawah 70%. Sedangkan untuk JNB-PNN, walaupun terjadi penurunan terhadap pengenalan 18 pola yang diujikan, hasil pengenalannya masih di atas 90%."

"Content Based Image Retrieval (CBIR) adalah teknik mencari gambar yang mempunyai kemiripan dengan informasi gambar tertentu dari sekumpulan gambar dengan melakukan perbandingan antara gambar query dengan gambar yang berada pada database berdasarkan informasi yang ada pada gambar tersebut. Untuk menentukan ciri warna dari suatu citra ikan digunakan perhitungan histogram warna dengan tipe Global Color Histogram (GCH) dilanjutkan dengan histogram intersection dan untuk mengenali pola bentuk menggunakan Back Propagation Neural Network (BPNN) dengan setting parameter terdiri dari hidden layer 20, fungsi aktivasi yang digunakan adalah sigmoid biner, metode pelatihan yang digunakan traingdx, jumlah error minimum 0,1 dan jumlah epoch 5000. pengujian image retrieval menggunakan jumlah gambar database sebanyak 100 gambar, hasil proses pencarian yang ditampilkan pada user interface maksimal sebanyak 10 gambar query. Berdasarkan hasil uji coba dengan menggunakan kedua teknik yang penulis usulkan ini yaitu histogram intersection dan Back Propagation Neural Network (BPNN) didapat rata-rata prosentase keakuratan mendekati 100%.

---

Content-Based Image Retrieval (CBIR) is a technique to find a picture which has some similarities with the specific image information from a collection of pictures by making comparisons between a query image with images that are in the database based on existing information on these images. To determine the color features of an image of fish used in the calculation of color histogram with the type Global Color Histogram (GCH) followed by histogram intersection and to recognize patterns of shapes using the Back Propagation Neural Network (BPNN), with the parameter settings consist of : number of hidden layers are 20, activation function used binary sigmoid, training methods used traingdx, the amount of the minimum error of 0.1 and the number of epoch 5000. test image retrieval using database files as much as 100 images, the results of the process of searching the user interface displayed on a maximum of 10 image queries. Based on trial results using these two authors propose that this technique is histogram intersection and Back Propagation Neural Network (BPNN) obtained an average percentage of accuracy approaching 100%."

"ABSTRAKJalan merupakan prasarana perhubungan darat yang sangat penting dalam transportasi. Karena itu perawatan jalan sangat diperlukan. Salah satu faktor yang diperlukan dalam manajemen perawatan jalan adalah pengenalan pola retak jalan.Pada skripsi ini dibuat suatu perangkat lunak yang dapat mengenali pola retak jalan berda-sarkan tipenya yaitu alligator, diagonal, longitudinal. dan transversal_ serta jalan yang tanpa retak. Jalan yang digunakan sebagai data dalam skripsi ini hanyalah jalan dengan perkerasan aspal.Jaringan saraf tiruan merupakan implementasi dari jaringan saraf mahluk hidup dalam hal pengenalan pola yang dibuat ke dalam suatu perangkat lunak. Jaringan syaraf tiruan yang digunakan dalam skripsi ini adalah jaringan saraf tiruan propagasi balik. Jaringan ini banyak sekali dipakai untuk pengenalan pola karena kemampuannya dalam hal membedakan data-data yang terpisah secara tidak linier."

"Pada skripsi ini dibahas perancangan dan pembuatan suatu model mobil yang dapat bergerok tonpa pengontrolan manusia mengikuti jalan yang ada dihadapannya. Alat ini diberi nama Parikesit. Alat yang dibuat Ini merupakan salah satu dari penerapan salah satu jenis kecerdasan buatan, yaitu jaringan saraf tiruan dengan algoritma propagasi batik.Jaringan saraf tiruan pada skripsi ini berfungsi untuk mengenali bentuk jalan yang ditangkap oleh kamera. Kemudian hash dari pengenalan tersebut dlkirimkan ke mlkrokontroler 8032. Mikrokontroler inilah yang kemudian menggerakkan coda dari model mobil yang digunakan.Bentuk jalan yang dapat dkenali oleh jaringan saraf flan yang digunakan hanya jalan lurus dan tikungan 90 derajat. Demikian juga dengan manufer-manufer gerak yang diprogramkan untuk mikrokontroller 8032 hanya sebatas jalan lurus dan tikungan 90 derajat.Dari hasil uji coba yang dilakukan menunjukkan bahwa jaringan saraf tiruan cukup hondal untuk digunakan pods oplikasi sepetti yang dibuat pada skripsi ini. Hanya saja intensitas cahaya sangat berpengaruh pada keberhasilan dalam menetukan kelas, karena perangkai lunak yang dibuat belum dapat melakukan adaptasi terhadap Intensitas cahaya yang berbeda-beda."