Hasil Pencarian  ::  Simpan CSV :: Kembali

"Untuk membangun simulasi PLTU pertama-tama dibutuhkan simulasi di titik rancang PLTU itu sendiri, yang pada tahap selanjutnya program ini bisa dikembangkan untuk optimasi. Oleh karena itu karakteristik uap sangatlah penting untuk diketahui. Karakteristik uap dapat diketahui salah satunya dengan menggunakan metode tabel uap. Pembuatan program pada skripsi ini dapat dibagi menjadi tiga, yang pertama adalah pembuatan program Saturated Water - Temperature Table (SW-TT), yang kedua adalah program Superheated Water (SHW), dan yang ketiga adalah program Compressed Liquid Water (CLW). Ketiganya dibuat menggunakan jaringan syaraf tiruan (JST) dan semuanya dibuat menggunakan software Borland Delphi 7. Program simulasi ini ternyata dapat mencapai nilai konvergen untuk berbagai nilai input temperatur dan tekanan serta menunjukkan kecenderungan yang sama dengan data pada metode tabel uap. Hasil pengujian simulasi diperoleh dengan ketelitian yang cukup sesuai dengan data yang ada pada Metode Tabel Uap.

---

Due to the requirements of steam power plant simulation, first of all required by the simulation itself is to known the design-point simulation which is for the next step this program can be developed for optimization. Therefore the characteristic of vapour are needed to be known. The characteristic of vapour can be known with many ways, one of them is by using the method of the tables of vapour. The compiling of the programs in this thesis can be divided into three tasks. First of all is arranging program of Saturated Water - Temperature Table (SWTT), second is program of Superheated Water (SHW), and the third one is program of Compressed Liquid Water (CLW). All of it is made to use artificial neural network and using Borland Delphi 7 software. This simulation program in the reality can reach convergent value to various temperatures and pressure input value, and also show the tendency which is equal to the data at the method of the tables of vapour. The result examination of simulation obtained with correctness which enough as according to the data that exist in the method of the tables of vapour."

"Pada Skripsi ini direkayasa sistem identifikasi tanda tangan menggunakan jaringan syaraf tiruan dengan berbasis perangkat pemrograman MATLAB. Sistem ini mengenali citra tanda tangan seperti atau bahkan lebih baik dari daya persepsi manusia dibutuhkan perangkat pemrograman dengan kemampuan manipulasi numerik yang cepat dan akurat karena citra dalam format dijital direpresentasi dalam bentuk matriks angka. Belakangan ini tersedia perangkat pemrograman yang mampu memenuhi persaratan tersebut yaitu MATLAB (Mathematic Laboratory). Perangkat pemrograman ini sangat luas penggunaannya karena kemampuan manipulasi numeriknya yang baik dan kesederhanaan sistemnya. Pengambilan citra, pengolahan citra, pembentukan jaringan dan pelatihan jaringan dilakukan berbasis perangkat pemrograman MATLAB. Diharapkan sistem ini dapat bekerja dengan baik mengenali citra tanda tangan asli dan palsu yang dimasukan sebagai citra pelatih dan penguji jaringan sayaraf tiruan.

---

This Thesis create a signature recognition system using artificial neural network based MATLAB programming platform. Image aquisition, image extraction, image processing, network implementation and network training conducted based on MATLAB programming platform. The signature recognition system that could recognize the signature image as good as or better that human description ability required a programming platform with fast and acurate numerical manipulation process because of an image in digital form was represented by a matrix of number. Lately, a programming platform that fit the requirement is availabe which is MATLAB (Mathematic Laboratory). This programming platform has a extensive utilization because of its fine numerical manipulation ability and its system modesty. The system is expected to be able to perform well on identifying and distinguish original signature iamge and its forgery that feed to the artificial neural network as image trainer and image tester."

"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."

"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."

"Suara denyut jantung memiliki pola khusus yang bersesuaian dengan kondisi jantung seseorang. Jantung yang tidak normal akan menimbulkan suara khas yang disebut murmur. Murmur disebabkan oleh berbagai hal yang menunjukkan kondisi jantung seseorang. Melalui Phonocardiogram (PCG) dapat dilihat gelombang sinyal denyut jantung seseorang. Spektrum denyut jantung abnormal memiliki pola spektrum yang khas. Sehingga melalui pola spektrum tersebut dapat diketahui kelainan jantung apa yang diderita oleh seseorang. Penelitian ini akan membuat suatu program simulasi yang akan mengenali tiga jenis kelainan jantung. Program simulasi ini menggunakan metode Jaringan Syaraf Tiruan dalam mengidentifikasi ketiga jenis kelainan jantung tersebut. Data yang akan digunakan sebagai database yaitu berupa sampel suara denyut jantung dengan format .wav, mono. Metode pelatihan Jaringan Syaraf Tiruan yang dibuat ini menggunakan fungsi traingdx yang terdapat pada Neural Network Toolbox MATLABTM. Adapun penggunaan fungsi traingdx ini karena waktu pelatihannya lebih cepat. Berdasarkan hasil pengujian pengenalan beberapa sampel kelainan jantung diperoleh akurasi rata-rata sebesar 82.2% dalam mengenali tiga jenis kelainan jantung tersebut.

---

Heartbeat has a unique pattern which corresponding to heart condition. Abnormal heart has a unique sounds which called murmurs. An murmur can be caused by something that indicates heart condition. It can be shown as a signal waveform of heartbeats by Phonocardiogram (PCG). Abnormal heartbeat has a unique spectral pattern. So with that spectral pattern it can be identify what kind of murmur types. This research make a simulation program which will identify 3 kinds of murmur heartbeats. This simulation program use Artificial Neural Network (ANN) to identify that murmurs. ANN database will use some murmurs heartbeats which record in .wav, mono fomat. Training method in this ANN use traingdx function which provided by Neural Network Toolbox MATLABTM. Traingdx function is a faster training method. This simulation program has 82.2% accuracy to detect 3 kinds of heartbeat murmur."

"[ABSTRAKPeramalan beban listrik memegang peranan yang sangat penting bagi efisiensi dankinerja dari PLN. Berbagai jenis metode dipakai untuk mendapatkan hasil peramalan beban yang akurat agar daya yang dikirimkan sesuai dengan kebutuhanlistrik dari konsumen. Skripsi ini membahas peramalan beban jangka pendek satu minggu ke depan dengan menggunakan Jaringan Syaraf Tiruan (JST). Peramalanbeban jangka pendek sangat dipengaruhi oleh faktor-faktor cuaca, yang dalam hal ini menjadi masukan JST, yaitu : Suhu, Kelembaban, Tekanan udara, danKecepatan angin. Data yang digunakan untuk pembelajaran adalah data sebenarnya sepanjang tahun 2011. Arsitektur yang digunakan adalah feed-forwarddan algoritma yang dipakai adalah algoritma backpropagation. Berdasarkan hasildidapatkan nilai MAPE terbaik sebesar 1.8 % dan untuk 10 kali running sebesar 2.65 % sehingga berada di bawah ambang kesalahan peramalan.ABSTRAKElectrical load forecasting has an important role for efficiency and performancefrom PLN.Various types of methods have been used to provide an accurate loadforecasting on purpose that the transmitted power appropriates the demand ofconsumers. This research will discuss short term load forecasting using ArtificialNeural Network (ANN). Short term load is influenced by weather factors, thosewill become input of ANN, i.e. : Temperature, Humidity, Pressure, Wind speed,Data used for study are actual data in 2011. Architecture used for this research isfeed-forward and Algorithm that is used is backpropagation . The final resultshows that the best MAPE is 1.8 % and for 2.65 % for 10 iterations which arebelow the forecasting error limit., Electrical load forecasting has an important role for efficiency and performancefrom PLN.Various types of methods have been used to provide an accurate loadforecasting on purpose that the transmitted power appropriates the demand ofconsumers. This research will discuss short term load forecasting using ArtificialNeural Network (ANN). Short term load is influenced by weather factors, thosewill become input of ANN, i.e. : Temperature, Humidity, Pressure, Wind speed,Data used for study are actual data in 2011. Architecture used for this research isfeed-forward and Algorithm that is used is backpropagation . The final resultshows that the best MAPE is 1.8 % and for 2.65 % for 10 iterations which arebelow the forecasting error limit.]"

"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 %."

"Suatu sistem tenaga listrik. Pada saat generator terkena gangguan yang besar dan tiba-tiba maka generator akan mengalami ayunan dan masuk ke kondisi peralihan. Apabila generator dapat kembali ke kondisi setimbangnya maka generator dapat dikatakan stabil. Untuk menjaga agar generator tetap stabil maka diperlukan suatu metode untuk memperbaiki kestabilan generator. Salah satu metode dapat digunakan adalah menggunakan dynamic braking resistorreactor. Skripsi ini membahas mengenai penerapan pengendali jaringan syaraf tiruan untuk koordinasi pensaklaran braking resistor-reactor pada stabilitas peralihan sistem tenaga listrik. Ketika terjadi gangguan, simpangan kecepatan rotor akan diukur besarnya kemudian sudut penyalaan tiristornya akan ditentukan oleh hasil keluaran dari pengendali jaringan syaraf tiruan. Pengendali ini mengenali input dan outputnya dengan berdasarkan proses pembelajaran jaringan syaraf tiruan. Proses pembelajaran yang dilakukan adalah dengan menggunakan algoritma backpropagation jenis levenberg-marquardt. Pengendalian sudut penyalaan tiristor pada braking resistor-reactor ini berfungsi untuk mengatur dan mengendalikan percepatan dan perlambatan putaran rotor sehingga kestabilan sistem dapat lebih ditingkatkan. Simulasi pengambilan data dilakukan dengan memberikan tiga jenis gangguan ke dalam sistem dengan dua durasi waktu yang berbeda. Ketiga jenis gangguan tersebut adalah gangguan tiga fasa ke tanah, dua fasa ke tanah, dan satu fasa ke tanah. Hasil simulasi memperlihatkan bahwa penerapan pengendali jaringan syaraf tiruan untuk koordinasi pensaklaran braking resistor-reactor dapat mempercepat dan meningkatkan kestabilan sistem.

---

Stability is one of the most important factor that affects performance of the electric power system. When large and sudden faults occurred, generator will be swung and get in to the transient condition. If generator can goes back to the balance condition, generator will be stable.That’s why, for improving the generator stability’s, we need a method to do that. One of the method which can be used to improve the generator stability’s is dynamic braking resistor-reactor.

This paper describes about the implementation of artificial neural network controller for switching coordination of braking resistor-reactor in the electric power system transient stability. When faults occurred, rotor speed deviation will be measured and then, the thyristor firing-angle’s will be determined by the output of the artificial neural network controller. This controller identify its inputs and outputs based on the training process of artificial neural network. The training process was been doing by using levenberg-marquardt backpropagation algoritm's. By controlling the thyristor firing-angle's of the braking resistor-reactor, rotor speed acceleration’s and deceleration’s can be controlled so that the system stability can be improved.

Simulation process was been doing by occurring three kinds of faults in the system with two different kinds of time durations. Those three faults are threephase-ground fault, two-phase-ground fault, and single-phase-ground fault.The simulations results show that implementation of artificial neural network controller for switching coordination of braking resistor-reactor can improve the system stability."

"Untuk mengenali penyakit kanker sel darah putih (leukemia) dewasa ini masih dilakukan proses konvensional yang memakan waktu cukup lama dalam proses pengenalannya. Tugas akhir ini bertujuan untuk mengenali penyakit leukemia dari citra darah dengan menerapkan teknik pengolahan citra dan metode jaringan syaraf tiruan. Pada proses pengenalan penyakit ini, sistem yang sudah mengakuisisi citra darah akan melakukan proses cropping, resizing, dan membuat citra tersebut menjadi blok-blok matriks berukuran 4_4. Kemudian citra dalam format RGB dikonversikan ke dalam model warna HSV agar memiliki ruang warna yang lebih natural. Untuk mendapatkan fitur warna salah satu elemen warna yakni Hue akan diekstraksi untuk mendapatkan matriks nilai karakteristiknya. Nilai karakteristik hasil ekstraksi fitur warna tersebut kemudian akan dilatih oleh jaringan syaraf tiruan dan dimasukkan ke dalam database. Jaringan syaraf tiruan terdiri atas 3 layer input, 3 layer tersembunyi dan 1 layer keluaran. Dari hasil uji coba, diperoleh tingkat akurasi rata - rata sebesar 83.33% menggunakan 3 input untuk setiap jenis penyakit leukemia dan 20 kali pelatihan jaringan syaraf tiruan.

---

Recognize the white blood cell cancer disease (leukemia) identification today, still use conventional method and time consuming. The Objective of this research is to identify leukemia disease from blood image using image processing technique and artificial neural network. In this identification disease process, the system which has made acquisition of the blood image will process the cropping, resizing and divide the image into 4 _ 4 matrix blocks. Then the image in RGB format is converted to HSV color model in order to have a more natural color.

In order to acquire color feature, one of the element which is Hue will be extracted to get characteristic value of the matrix. The characteristic value from the extracted color feature will then be trained by artificial neural network and inserted into the database. The artificial neural network consisted of 3 input layer, 3 hidden layer and 1 output layer. From the test result, we acquire an average level of accuracy of 83.33% using 3 inputs for every types of leukemia and 20 times of artificial neural network training."