Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"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 %."

"ABSTRAKTidak terlalu berlebihan jika dikatakan bahwa perkembangan ekonomi secara keseluruhan harus pula diukur dari seberapa jauh perkembangan pasar modal dan industri sekuritas pada negara tersebut. Keputusan investasi dari seorang pemodal yang rasional didahului oieh suatu proses analisis terhadap variabel yang secara fundamental diperkirakan akan mempengaruhi harga suatu saham. Pada ekstrem yang lain sebagian pemodal menganggap bahwa jual bell saham adalah karena cepatnya perubahan harga (pin point technical analisis) atau faktor waktu (timing).Sistem jaringan syaraf tiruan adalah sistem jaringan yang meniru jaringan syaraf biologis. Sistem komputasi jaringan syaraf tiruan ini mempunyai kemampuan untuk mengatasi masalah-masalah yang non-algoritmik, selain itu juga rnampu menangani masalah yang memiliki data rumit mempunyai derau, dan tidak lengkap.Pada skripsi ini dibuat perangkat lunak Sistem Jaringan Syaraf Tiruan untuk Memprediksi Saham, menggunakan metode propagasi umpan balik (back propagation), dengan menggunakan data perubahan harga (pin point technical analisis) dan akan diadakan uji coba perangkat lunak tersebut.Dari hasil uji coba yang dilakukan diperoleh hasil bahwa sistim jaringan syaraf tiruan memiliki hasil prediksi yang cukup akurat dengan tingkat kesaiahan yang cukup kecil. Peningkatan selanjutnya adalah penambahan masukan sebagai pembanding daiam proses pembelajarannya juga proses coba-coba untuk nendapatkan bobot yang sangat baik."

"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."

"Pembelajaran pada jaringan syaraf tiruan (JST)n melibatkan banyak proses komputasi. Kemampuan JST melakukaan klasifikasi dengan benar menggunakan komposisi bobot hasil pembelajaran merupakan representasi keberhasilan pembelajaran."

"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 %."

"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."