Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini bertujuan mendapatkan model jaringan saraf tiruan (JST) yang dapat mengklasifikasikan kualitas dan kuantitas spermatozoa pria infertil berdasarkan rekam medis. Metode: Data rekam medis pria infcrtil merupakan variahel masukan JST, variabel keluaran adalah kesimpuian dari hasil analisa semen. Arsitektur JST pada penelitian ini terdiri dari 3 lapis, yaitu I lapis masukan dengan 50 neuron, 1 lapis tersembunyi dengan 25 neuron dan I lapis keluaran dengan 7 neuron; inisiasi bobot ditcntukan secara random dengan Nguyen Widrow, fungsi transfer logsig; laju pembelajaran 0.2; momentum 0.2; target error 0,01 dan hasil JST dinilai dari recognition rate validasi. Hasil: Proses pembelajaran dengan parameter dasar tersebut tidak mencapai konvergen, total error 400, recognition rate training 16% dan validasi 21%. Selanjutnya dilakukan beberapa modifikasi varlabel masukan dan keluaran, antara lain: melakukan principal component analysis (PCA) pada data masukan, memilih variabel masukan berdasarkan korelasinya terhadap keluaran, mengurangi kelas keluaran, memvariasikan jumlah neuron lapis tersembunyi dan nilai laju pernbelajaran. Model JST yang terbaik menghasilkan recogniiion rate validasi sebesar 76%. Kesimpulan: Percobaan ini menghasilkan model JST yang dapat mengklasifikasikan kualitas dan kuantitas spennatozoa pria infertil berbasis data rekam medis. Pengembangan lebih lanjut diperlukan untuk mendapatkan model JST dengan hasil yang baik.

---

This research aims to develop a model of neur,al network (ANN)that can classify the quality and quantity of spermatozoa infertile men according to medical records.

Methods: Data from the medical records of infertile men is the ANN input variables, output variables are the conclusions from the results of semen analysis. ANN architecture in this study consisted of 3 layers, an input layer with 50 neurons. a hidden layer with 25 neurons and an output layer with 7 neurons; initiation is determined by random weights with Nguyen-Widrow, logsig transfer function; learning rate 0.2; momentum of0.2; target error 0.01 and the ANN resuit is assessed by recognition rate of validation.

Results: The learning process with the basic parameters did not reach convergence. the total error of 400, 16% recognition rate of training and validation of 21%. Further modifications made on input and output variables, such as: perform principal component analysis (PCA) on the input data, selecting the input variables based on the correlation of output, reducing the output class, varying the number of hidden layer neurons and learning rate values. The best ANN model produces va1idation recognition rate by 76%.

Conclusion: This experiment resulted ANN model that can classify the quality and quantity of spermatozoa infertile men based medical records. Further development is needed to get the ANN model with good results."

"Tujuan: Tujuan dari penelitian ini adalah mendapatkan model jaringan saraf tiruan dengan algoritma pembelajaran backpropagation berdasarkan data masukan dari pola sidik jari penderita obesitas. Diharapkan model JST yang diperoleh dapat menjadi alat bantu diagnosis bagi para klinisi dalam mengidentifikasi kasus obesitas berdasarkan keturunan. Metode: Data dari pola sidik jari penderita obesitas dan data penunjang lainnya diuraikan menjadi variabel masakan Variabel keluaran ditentuknn berdasarkan kasus obesitas yang diderita oleh pasien. Kemudian data sampel dibagi dua yaitu data untuk training dan data untuk testing. Dengan menggunakan data training maka Metode Jaringan syaraf tiruan mempelajari pola sidik jari pendarita obesitas yang kemudian digunakan untuk memprediksi data testing. Akurasi identifikssi atau pengenalan pola sidik jari penderita obesitas akan sangat ditentukan oleh hasil prediksi algoritma jaringan syaraf tiruan terhadap data testing. Hasil: Dalam proses pemhelajaran dengan metode jaringan berbasil melakukan pengenal terhadap data training dengan error sebesar O,QI berhasil dicapai. Untuk prediksi polo sidik jari melalui data testing rata-rata keberhasilan adalah 71,82%. Angka prosentasi keberbasilan ini cukup baik dan depat dijadikan alat bantu bagi para praktisi medis di bidang obesitas dalam menentukan faktor keturunan dari penyakit obesitas. Kesimpulan: Percobaan ini menghasilkan model JST yang dapat diaplikasikan pada pengelan pola sidik jari pendarita obesitas. Rata-rata keberhasilan prediksi sebesar 71,82% dapat ditingkat dengan menambah data training bagi Metode Jaringan Saraf Tiruan.

---

Objective: The objective of this research is to obtain an artificial neural network model with backpropagation learning algorithm based on input data from the fingerprint pattern of the obese patients. It is expected that ANN models can be obtained as diagnostic tool for clinicians in identifying cases of obesity based on descent.

Methods: Data from the fingerprint pattern of obesity and other supporting data is decomposed into input variables. Output variable is determined on a case-obesity suffered by the patient Then the sampled data is divided into two data. One for training and other for testing. By using training data. the method of artificial neural networks learn the patterns of the obese fingerprint which is then used to predict the testing data. Accuracy of fingerprint pattern recognition of obesity will be detemined by the results of neural network algorithm prediction against testing data.

Results: In the learning process stage, Artificial Neural Network succceded in identifying a network of training with error 0.01 was achieved. For the prediction of fingerprint patterns through data testing success rate was 80%. The rate for the percentage of success is quite good and can be used as a tool for medical practitioners in the field of obesity in determining obesity cases base of genetic factor.

Conclusion: This experiment resulted ANN model that can be applied to the fingerprint pattern recognition of obese patients. The average prediction success of 71,82% would be increase if we can add more data for 1raining process for Neural Network Method."

"Pengendalian pesawat terbang merupakan suatu tahap terpenting dalam pengembangan teknologi aviasi yang hanya dapat dilakukan jika memiliki data penerbangan dan model pesawat. Pengambilan data penerbangan dilakukan menggunakan simulator penerbangan ultra-realistis, X-Plane. Algoritma Neural Networks dipilih sebagai metode untuk memodelkan dan mengidentifikasi sistem pesawat terbang juga sebagai pengendali sistem tersebut yang akan terbentuk dalam sebuah kesatuan Direct Inverse Control. Pengujian dan pembelajaran open loop pada sistem Direct Inverse Control dilakukan untuk mengetahui keandalan sistem kendali yang dirancang. Batasan pada penelitian ini adalah kondisi cruising ideal dimana merupakan kondisi terbang pesawat yang memakan hampir 90% dari total penerbangan. Dari hasil pengujian dapat diketahui bahwa data yang dihasilkan simulator sesuai dengan dinamika pergerakan pesawat terbang pada kondisi cruising dan sistem kendali yang dibuat memiliki keandalan yang baik.

---

Flight control is the most important stage in the development of aviation technology which can only be done if flight data and aircraft models have been acquired. Flight data acquisition is carried out using an ultra-realistic flight simulator, X-Plane. Neural Networks algorithm is chosen as a method for modeling and identifying aircraft systems as well as controlling the system which will be formed in a Direct Inverse Control unit. Open loop testing and learning in the Direct Inverse Control system is carried out to determine the reliability of the designed control system. The limit of this study is in the ideal cruising conditions which consume almost 90% of total flights time. From the test results, it can be seen that the data generated by the simulator is in accordance with the dynamics of aircraft movements in cruising conditions and the designed control system has good reliability."

"Salah satu faktor penting dalam pengukuran kinerja jaringan sensor nirkabel adalah penentuan lokasi dari divais yang ingin dilacak. Received Signal Strength (RSS) merupakan faktor yang bisa menjadi tolok ukur dalam melakukan prediksi lokasi dari divais yang dilacak. Dalam penelitian ini, dilakukan prediksi lokasi (localizaton fingerprinting) dari divais ZigBee yang dilacak dengan menggunakan jaringan saraf tiruan. Pengolahan data oleh jaringan saraf menggunakan dua algoritma yang akan dibandingkan performanya, yaitu algoritma Levenberg Marquardt dan Resilient Backpropagation. Hasil penelitian ini memperlihatkan bahwa metode RSS fingerprinting mampu memprediksi koordinat divais ZigBee yang dilacak. Algoritma Levenberg Marquardt memiliki performa yang lebih baik dengan nilai akurasi rata-rata 96,41% dibanding algoritma Resilient Backpropagation dengan kesalahan rata-rata 94,52%.

---

One of many important factors in the performance of Wireless Sensor Network is the localization for tracked node. Received Signal Strength (RSS) is a factor that can be used to track device location. The method that will be used in this research is fingerprinting by Artificial Neural Networks. RSSI data processing by neural networks use two training algorithms, i.e. Levenberg-Marquardt algorithm and Resilient Backpropagation algorithm. The performance of these two algorithms have been evaluated. The result of this research shows that RSS fingerprinting method can predict the coordinate of tracked ZigBee device. Levenberg-Marquardt algorithm has a mean accuracy of 96.41%, which is better than the performance of Resilient Backpropagation algorithm with 94.52%."

"Industri asuransi jiwa di Indonesia belakangan ini sedang mengalami tren positif, dengan mencatat kenaikan laba sebesar 148,05 pada tahun 2017, dari tahun sebelumnya. Perusahaan asuransi sampai sekarang pun masih berfokus pada pertumbuhan bisnis, namun metode yang akan diambil bukan lagi melalui marketing dan saluran agen, namun melalui metode kalkulasi yang baru untuk jumlah manfaat bagi produk-produk asuransi jiwa. Penghitungan manfaat dihasilkan dengan mempertimbangkan dua hal yang penting, yakni risiko dari pemegang polis, dan kondisi keuangan perusahaan. Penelitian ini berfokus pada klasifikasi risiko dari pemegang polis yang dilakukan dengan dua metode yakni regresi logistik dan jaringan saraf tiruan, yang menghasilkan bahwa metode jaringan saraf tiruan menghasilkan performa yang lebih baik dalam mengklasifikasikan risiko dibandingkan regresi logistik.

---

Life insurance businesses in Indonesia are currently developing at a significant pace. Stated by Otoritas Jasa Keuangan, life insurance businesses in Indonesia recorded 148,05 increase in their total income from December 2016, while already gaining positive results life insurance companies still aiming to extent their businesses by marketing and agency strategies, however life insurance companies currently are looking to extent their profits by formulating new models to calculate to value the policyholder. The insured value calculated by assessing risk the policyholder would face and by considering the company rsquo s financial status. This research focused on the risk classification process to assess the risk faced by the policy holder, by using logistic regression methods and neural network, and resulting a slight favor to neural network for having better results in classifying risks of policyholder."

"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."

"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."

"Estimasi biaya proyek jalan layang dengan akurasi yang tinggi pada fase konseptual pengembangan proyek sangat penting untuk perencanaan dan studi kelayakan. Namun, sejumlah kesulitan muncul ketika melakukan estimasi biaya selama tahap konseptual. Mayor masalah yang dihadapi adalah kurangnya informasi awal, kurangnya database jalan layang, kurangnya metode estimasi biaya yang sesuai, dan faktor ketidakpastian. Untuk mencapai optimasi model, perlu digunakan variabel yang tepat dan baik sebagai input sehingga keakurasian output yang dihasilkan dapat dipertanggungjawabkan. Variabel yang mempengaruhi biaya proyek jalan layang yang digunakan pada penelitian ini adalah panjang, lebar, lokasi, tipe pondasi, tahun pembuatan. Variabel tersebut kemudian dimasukkan dalam arsitektur jaringan yang paling cocok dan terbaik sehingga akurasi mencapai 28% sesuai standar AACE.

---

Project cost estimating of flyover with high accuracy in the conceptual phase of project development is essential for planning and feasibility studies. However, a number of difficulties arise when performing cost estimates during the conceptual stage. The major problems encountered is the lack of initial information, the lack of database, the lack of appropriate methods of cost estimation, and uncertainty factors. To reach model optimization, correct and good variables are needed as inputs to gain output which is accurate and accountable. The variables which affect the project cost and use in this research are length, width, type of pondation, location and year. The variables then run in the most suitable network architecture and the best, so that the accuracy reached 28% according to the standard AACE."

"Infertilitas merupakan salah satu masalah kesehatan yang masih dihadapi dunia hingga saat ini. Pada tahun 2010, diperkirakan terdapat 48,5 juta pasangan di seluruh dunia yang mengalami masalah infertilias. Menurut data WHO, pada tahun 2012, satu dari empat pasangan mengalami infertilitas. Infertilitas dapat disebabkan, baik oleh faktor wanita maupun pria. Berbagai teknik fertilisasi berbantuan (assisted fertilization) telah digunakan untuk mengatasi masalah infertilitas. Namun, kesuksesan dari teknik ini bergantung pada kualitas oosit dan sperma. Salah satu pemeriksaan yang dapat dilakukan untuk memastikan kualitas sperma adalah integritas kromatin sel sperma, melalui metode pewarnaan toluidine blue (TB). Tujuan penelitian ini adalah mengetahui tingkat integritas kromatin sperma dari pria yang mengalami masalah infertilitas dibandingkan dengan pria normal. Penelitian ini termasuk dalam studi cross-sectional. Sebanyak 123 sampel dikumpulkan dari klinik infertilitas Rumah sakit Telogorejo, Semarang dan dari Departemen Biologi Fakultas Kedoktera Universitas Indonesia (FKUI) Sampel sperma terdiri atas 28 sampel normospermia, 38 sampel dengan kategori asthenozoospermia, 57 sampel kategori oligoasthenozoospermia. Pengamatan terhadap sampel yang telah diwarnai dengan pewarna TB dilakukan di Laboratorium Andrologi, Departemen Biologi FKUI. Pengamatan dilakukan terhadap perbandingan persentase kromatin yang terwarnai TB antara pasien normospermia dengan pasien dengan kategori asthenozoospermia dan oligoasthenozoospermia. Analisis statistik dilakukan menggunakan perangkat SPSS versi 24. Hasil analisis statsistik menggunakan uji non-parametrik mann-Whitney menunjukkan adanya perbedaan yang signifikam pada tingkat integritas kromatin sperma yang buruk antara sampel dengan kategori asthenozoospermia dan oligoasthnenozoospermia dengan kategori normozoospermia (p < 0.001). Tingkat integritas kromatin sperma memiliki korelasi positif dengan keadaan infertilitas pada pria (p < 0.001, r = 0.454).

---

Infertility is one of the health problems that the world still faces today. In 2010, it was estimated that there were 48.5 million couples around the world who experienced infertility problems. According to WHO data, in 2012, one in four couples experienced infertility. Infertility can be caused by both female and male factors. Various assisted fertilization techniques have been used to overcome infertility problems. However, the success of this technique depends on the quality of oocytes and sperm. One of the ways to ensure sperm quality is done by examining the integrity of sperm chromatin, through the toluidine blue staining method. Through this method, the prognosis of infertility patients is expected to be more easily known.

The aim of this study was to determine the level of integrity of sperm chromatin from men who experienced infertility problems compared to normal men. This study is part of a cross-sectional study. Approximately 123 samples were collected from the infertility clinic of Telogorejo-Semarang Hospital and from the Department of Biology, Faculty of Medicine, University of Indonesia (FKUI). Observations on samples that have been coloured with toluidine blue dyes were carried out in the Andrology Laboratory, Department of Biology FKUI. Observations were made on the comparison of the percentage of stained chromatin between normospermia patients and patients of asthenozoospermia and oligoasthenozoospermia categories. Statistical analysis was performed using the 24 version of SPSS application.

The statistic analysis results using the mann-Whitney non-parametric test showed a significant difference in the level of poor sperm chromatin integrity between the infertile samples (asthenozoospermia and oligoasthnenozoospermia categories) and the fertile samples (normozoospermia category) (p <0.001). The level of integrity of sperm chromatin has a positive correlation with infertility in men (p < 0.001, r = 0.454)."