Hasil Pencarian  ::  Simpan CSV :: Kembali

"Skripsi ini bertujuan untuk mengoptimalkan korelasi antara Transformasi Paket Wavelet dan jaringan Syaraf Tiruan topologi propagasi-balik umpan-maju dengan menggunakan pendekatan tingkah laku manusia dalam memahami obyek yang diamati. Tingkah laku ini dapat bersifat obyektif maupun subyektif tergantung dari keadaan dan tujuan pengamatan tersebut. Parameter obyektif menggunakan seluruh ciri sebagai dasar dalam melakukan klasiflkasi, sedangkan parsmeter subjektif hanya memanfaatkan ciri-ciri yang sesuai untuk memenuhi klasifikasi.Hasil pengujian yang dilakukan menunjukkan bahwa tingkat keakuratan berkisar antara 92,861% - 97,86% jika digunakan untuk mengklasifikasikan obyek bidang datar. Sedangkan untuk tekstur antara 94,37% - 98,444%. Kemampuan perangkat lunak untuk mengenal obyek yang mengalami gangguan, yaitu maksimum sebesar 96% pada obyek yang tertranslasi, 90% pada obyek terrotasi, dan 92% pada obyek yang mengalami noise. Selain dari pada itu, kecepatan pembelajaran menjadi sangat singkat dengan rata-rata iterasi maksimal sebanyak 9134,8 kali dan waktu rata-rata kurang dari 261,726 detik.Pengujian keseluruhan memberikan kesimpulan bahwa penambahan informasi-informasi tertentu yang berkaitan dengan ciri-ciri obyek, akan membantu dalam menghasilkan pembelajaran yang optimal dan pendeteksian yang maksimal."

"Penelitian dan pengembangan teknologi semakin berkesinambungan seiring giatnya eksplorasi di bidang sumber daya kelautan. Teknologi hidroakustik berperan besar khususnya dalam meningkatkan produksi ikan laut. Selain itu juga dikembangkan metode penelitian lain, misalnya proses pengidentifikasi spesies dalam sekelompok kawanan ikan (schooling).Analisis difokuskan dalam hal pengolahan citra dari schooling yang datanya diambil dari hasil survei akustik dan observasi yang dilakukan Badan Penelitian Kelautan dan Perikanan. Data yang berbentuk citra ini tak lain adalah representasi target strength (koefisen pantul) dari sekelompok ikan, yang berikutnya diolah melalui konsep image processing dengan metode Jaringan Syaraf Tiruan (JST) pada MATLAB. JST disini berfungsi sebagai sebuah metode yang akan mengklasifikasi spesies yang data inputnya diambil dari nilai rata-rata matriks masing-masing citra schooling. Hasil klasifikasi selanjutnya akan langsung diidentifikasi untuk memastikan bahwa tingkat keakuratan dari sampel data pasca klasifikasi benar-benar terlihat.Diharapkan metode ini akan menjadi sebuah alternatif yang cukup baik dalam menjawab berbagai permasalahan berkaitan dengan penelitian dan pendeteksian bawah air (hidroakustik).

---

Development of fishery and marine resources hydoacoustic technology has significant role for fish production improvement. It also develops other research method such as species in schooling of fish identification process.

The analysis is focused on images processing of fish schooling where the data is taken from the result of acoustic survey and observation by Fisheries and Marine Research Group. Data, as images that represents the coefficient of target strength of fish schoolings, processed by using images processing concepts with neural network and programmed in MATLAB. Neural Network has a function as method which will classify the species from its input data is taken from matrix averages of each schooling images. Clasification results would be identified directly to ensure the accuration level of this experiment is really seen.

Hopeful, this method could be an alternative of some problems related to the research and underwater detection (hydroacoustic)."

"ABSTRAKDalam geofisika dan reservoir engineering, metode neural network lazim digunakanuntuk melakukan prediksi hubungan antara data log dengan data seismik atau data loglainnya, sehingga dengan data log yang tersedia dapat diperkirakan log lain yang tidaktersedia datanya, bahkan dipergunakan juga untuk melakukan karakterisasi reservoir.Namun metode ini juga memiliki sejumlah kekurangan dalam penerapannya gunamemprediksi hubungan antara satu jenis data dengan jenis data yang lain. Masalah umumyang ditemui adalah metode ini sulit diterapkan pada data yang terbatas.Para praktisi pasar modal menggunakan metode wavelet transform untuk meningkatkankemampuan jaringan pada neural network untuk mengenali deret data yang polanyabelum pernah ditemui dalam dataset pelatihan. Metode ini telah terbukti efektif dalamprediksi pergerakan harga dan permintaan yang kerap mengalami perubahan trendmaupun pola pergerakannya. Kami menerapkan metode ini untuk meningkatkan nilaivalidasi dari log hasil estimasi dengan data yang terbatas.Studi ini menunjukkan hasil proses wavelet transform pada data log yang diklasifikasikandengan jaringan kompetitif akan menjadi bagian yang dapat memberikan arti pentinguntuk meningkatkan kemampuan generalisasi jaringan backpropagation.

---

ABSTRACTIn geophysics and reservoir engineering, the neural network method commonly used topredict the relationship between log data and seismic data or another log data, thus withthe available log data, we can expect any logs which have no data, even also can be usedto perform reservoir characterization. However this method has some lacks in itsapplication to predict the relationship between one data with the other data types. Thecommon problem encountered is the reduction of network ability for data prediction if itsapplied on limited input data.Practitioners of capital market use wavelet transform methods to increases the networkability in neural network to recognized data series, which never found in training dataset.This method has been effectively proven to predict price and demand movement, whichusually changes both in trend or movement pattern. We applied this method to increasethe validation value of the estimated log on limited input data.This study shows that the classified result of wavelet transform using competitivenetwork will be an important part to enhance generalization of backpropagation network."

"The conventional PID control (linear) is popular control scheme that is used in almost pH control at waste water treatment process

---

"

"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."

"It has been studied the forecasting of electric power peak load in the Indonesian electric system byusing Artificial Neural Network (ANAU) Back Propagation method with the study period is 2000 - 2025.The long-range forecasting of electric peak load is influenced by economic factors. in this study, it?sselected the economic data which is estimated very influence to forecasting, which in this case becomeinput ofAN1\L i. e.: Gross of Domestic Product (GDP) per-capita, Population, Amount of Households,Electrification Ratio, Amount of CO, Pollution, Crude Oil Price, Coal Price, Usage of Final Energy,Usage Qf Final Energy on Industrial Sector; and Average Electric Charges. Data used for study areactual data, start year 1990 up to 2000. Result of the peak load forecasting in the end of study (2025) byusing ANN is 85,504 MHC meanwhile the load forecasting in the National Electricity General lan(NEGP) is 79,920 MW (the difference of both is about 6. 6%). Based on ANN approach is obtained resultsthat the peak load forecasting in Indonesia in the year 2005, 2010, 2015, 2020 and 2025 are 16,516 MHC24,402 MHC 36, 15 7 MIK 56,060 MW and85,584 MW respectively."

"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."

"ABSTRACTSkripsi ini membahas mengenai reduksi suatu kumpulan data menggunakan metode penggabungan data. Kumpulan data yang digunakan dalam penelitian ini adalah data bunga iris dengan 3 macam kelas dan data aroma dengan 18 macam kelas. Hasil penggabungan kumpulan data tersebut akan menjadi data masukan dalam pembelajaran algoritma jaringan saraf tiruan propagasi balik dan jaringan saraf probabilistik yang dipergunakan dalam penelitian ini. Hasil pembelajaran menggunakan data hasil penggabungan tersebut akan dibandingkan dengan hasil pembelajaran menggunakan data tanpa penggabungan. Hasil penelitian ini menyatakan bahwa penggunaan data hasil penggabungan akan mempercepat pembelajaran dan meningkatkan kestabilan keluaran sistem, namun mengurangi akurasi tingkat pengenalan

---

ABSTRACTThis thesis discusses about reduction of a data set using data merging method. The data set used in this study are iris set data with 3 kinds of classes and odor set data with 18 kinds of classes. The result of merging the data set become the input data in the learning algorithm backpropagation neural network and probabilistic neural network on learning part. Learning output using data with merging method will be compared with the results of the learning using data without merging. The results of this study suggest that the use of data resulting from this combination will accelerate learning and improve stability of output system, but reduces the level of recognition accuracy."

"ABSTRAKDalam skripsi ini akan dirancang suatu pengendali jaringan syaraf yang dapat bekerja secara on-line yang hanya membutuhkan waktu relatif singkat untuk belajar dari data sebelumnya dan Iangsung menerapkan keluarannya pada kapal laut. Karena sifatnya yang on-line, pengendali jaringan syaraf ini membutuhkan pengetahuan yang mendekati fungsi alih plant yang sebenarnya beserta pengetahuan kualitatif dari sistem yang dikendalikan.Pengendali jaringan syaraf ini menggunakan arsitektur specialized learningt41 untuk pembelajarannya, sedangkan algoritma yang digunakan untuk proses pembelajarannya adalah back propagation algorithm dengan metoda gradient descent dan penambahan momentum term.t41Pengendali jaringan syaraf yang dirancang akan diuji dan disimulasikan pada empat jenis lintasan kapal laut yakni lintasan lurus, lintasan zig-zag, lintasan sinusoida dan lintasan berthing yang biasanya digunakan untuk berlabuh. Untuk menambah realitas simulasi dan sekaligus menguji unjuk kerja dari pengendali jaringan syaraf, pada simulasi ditambahkan gangguan-gangguan yang berupa non-linieritas daun kemudi kapal, derau (noise) dan angin.

---

"