Hasil Pencarian  ::  Simpan CSV :: Kembali

"Makalah ini membahas pengembangan Sistem Penciuman Elektronik menggunakan 16 buah sensor kuarsa terlapis membran sensitif. Penulis telah mengembangkan Sistem Penciuman Elektronik dengan jumlah sensor sebanyak 4 buah, akan tetapi sistem ini hanya mampu membuat klasifikasi aroma campuran dengan tingkat pengenalan dibawah 40%. Pengembangan sistem dilakukan dengan meningkatkan jumlah sensor untuk memperbesar dimensi ruang pengamatan dan peningkatan frekuensi dasar sensor untuk mendapatkan akurasi yang lebih tinggi.Hasil penelitian menunjukkan bahwa sistem 16 sensor mempunyai kapabilitas yang tinggi untuk klasifikasi aroma campuran. Tingkat pengenalan sistem dengan 16 sensor untuk aroma campuran dengan 6 tingkat konsentrasi alkohol berkisar 89.9%, bila diproses secara terpisah, sedangkan apabila dilaksanakan secara ?batch? akan menghasilkan tingkat pengenalan sekitar 82.4%.

---

An artificial odor recognition system is developed for discriminating odors. This artificial system consisted of 16 quartz resonator crystals as the sensor array, a frequency modulator and a frequency counter for each sensor that are connected directly to a microcomputer. We have already shown that the artificial odor recognition system with 4 sensors is high enough to discriminate simple odor correctly, however, when it was used to discriminate compound odors, the recognition capability of this system is dropped significantly to be about 40%.Results of experiments show that the developed artificial system with 16 sensors could discriminate compound aroma based on 6 gradient of alcohol concentrations with high recognition rate of 89.9% for non batch processing system, and 82.4% for batch processing of the classes of odors."

"PENDAHULUAN Sistim deteksi gas sangat diperlukan untuk bidang industri, seperti industri makanan, minuman dan industri kosmetika. Juga sistim deteksi gas sangat penting untuk memonitor masalah yang berkaitan dengan lingkungan hidup maupun bidang klinis (kedokteran). Seperti diketahui, faktor kualitas yang dominan pada minuman beralkohol adalah aromanya, dan kontrol kualitas dalam pembuatan minuman beralkohol diperlukan untuk dapat menjaga mutu produk yang dihasilkan. Hingga kini kontrol kualitas pembuatan minuman beralkohol dilakukan oleh manusia yang mempunyai keahlian sangat khusus. Akan tetapi manusia-pakar ini mempunyai keterbatasan yang berkaitan dengan masalah kesehatan dan perasaan sesaat (mood), sehingga dapat mempengaruhi kinerja proses kontrol kualitas tersebut. Untuk dapat menanggulangi kelemahan ini, maka sistim deteksi gas yang dapat secara otomatik melakukan kontrol kualitas hasil produk dengan kinerja yang konsisten menjadi kebutuhan yang sangat penting. Metoda pengenalan polo untuk dapat membuat klasifikasi odor, pertama kali dilakukan dengan menggunakan sensor semikonduktor. Akan tetapi karena sensor ini sangat sulit untuk dapat mendeteksi gas dengan konsentrasi yang sangat rendah, maka beberapa peneliti mencoba menggunakan resonator kwarsa sebagai sensornya, atau menggunakan piranti SAW (surface accoustic wave), dan piranti sel elektrokimia. Metoda yang lain, berkaitan dengan penggunaan Gas Chromatography (GC) atau Liquid Chromatography (LC), yaitu sistim analitik yang dapat melakukan pemisahan komponen aroma dengan sangat teliti. Akan tetapi, kedua metodologi analitik yang membutuhkan biaya operasi yang sangat mahal, juga memerlukan waktu pengoperasian yang sangat lama. Penelitian pendahuluan mengenai Pengembangan sistim penciuman elektronik ini telah dilakukan oleh Peneliti Utama di Laboratorium Kecerdasan Komputasional Fakultas Ilmu Komputer Universitas Indonesia. Penelitian pendahuluan ini mendapat pendanaan dari Dewan Riset Nasional melaiui Program RUT IV pada tahun 1996-1998. Di dalam penelitian pendahuluan ini suatu sistim deteksi gas dibuat dengan menggunakan resonator kwarsa yang dipadukan dengan teknik pemetaan (identifikasi) odor dengan metoda pengenalan pola Jaringan Syaraf Tiruan (JST). Jaringan ini akan berkelakuan seperti otak manusia dimana beberapa neuron secara rapi berhubungan satu sama lain, untuk dapat menghasilkan pengenalan pola yang efektif. Sistim penciuman elektronik ini dikembangkan dengan menggunakan 4 buah jenis sensor dan dalam aplikasinya, sistim penciuman elektronik ini telah digunakan untuk membuat klasifikasi beberapa jenis aroma dari produk wewangian Martha Tilaar Cosmetics dan beberapa jenis wewangian dari Splash Cologne Products. Hasil percobaan memperlihatkan bahwa penggunaan 4 buah sensor ini telah mampu membuat klasifikasi aroma Martha Tilaar dengan prosentase pengenalan hingga 100%. Akan tetapi untuk jenis wewangian Splash Cologne, hasilnya hanya berkisar antara 30-40% saja. Hal ini disebabkan karena aroma Splash cologne ternyata merupakan gabungan dari beberapa aroma dasar sehingga mempunyai tingkat kesulitan yang lebih tinggi. Untuk dapat meningkatkan kemampuan Sistim Penciuman Elektronik dalam menyelesaikan persoalan diatas, maka Peneliti Utama mengajukan dua pendekatan. Perdekatan pertama berkaitan dengan peningkatan jumlah sensor hingga mencapai 16 buah sensor secara paralel. Peningkatan jumlah sensor ini akan menyebabkan peningkatan kemampuan JST dalam mengenali pola-pola masukan yang akan diolah. Pendekatamn kedua berkaitan dengan peningkatan frequensi dasar sensor kuarsa yang dipergunakan. Dalam sistim yang lama, frequensi dasar sensor yang digunakan adalah 10 MHz, yang akan ditingkatkan menjadi 20 MHz dalam sistim yang akan dikembangkan. Peningkatan frequensi dasar ini pada akhirnya akan meningkatkan akurasi pengukuran untuk setiap sensor, sehingga diharapkan dapat meningkatkan kemampuan sistim. Perumusan MasalahPermasalahan dalam proposal riset ini, dapat dibagi dalam tiga bagian besar yaitu pertama, berkaitan dengan pembuatan gas sensor yang mempunyai sensitifitas tinggi. Sistim sensor gas yang diperlukan dalam penelitian ini adalah sistim sensor yang dapat mengkonversikan besaran aroma dari suatu sampel odor menjadi suatu besaran fisika yang dapat diukur. Seperti telah dikemukakan diatas, maka dalam pengembangan sistim yang baru, kita akan menggunakan sensor kuarsa dengan frekuensi dasar 20 MHz, dibandingkan dengan sistim terdahulu yang menggunakan frekuensai dasar 10 MHz. Permasalahan yang kedua, berkaitan dengan perencanaan dan pembuatan rangkaian elektronik beserta rangkaian antar-muka nya agar dapat mengakuisisi besaran fisika yang terukur tersebut secara paralel dari 16 buah sensor (multi sensor) untuk kemudian disimpan dalam memori komputer. Permasalahan pertama dan kedua ini dapat dirangkum menjadi suatu perangkat keras. Peningkatan jumlah sensor yang akan dipergunakan dalam sistim baru, secara dramatis akan merubah sistim antarmuka antara sistim sensor dan sistim komputer. Dalam tahapan berikutnya dikembangkan suatu algoritma dan perangkat lunak yang berkaitan dengan JNB (Jaringan Neural Buatan) untuk dapat mengidentifikasikan dan memetakan gas tersebut, dalam waktu yang singkat dan mempunyai ketelitian yang tinggi. Beberapa jenis algoritma JNB dikembangkan dan diimplementasikan dalam sistim perangkat keras, untuk dapat mempelajari kelebihan dan kekurangan setiap karakteristik arsitektur jaringan, dan perencanaan penggunaannya dalam permasalahan yang berkaitan dengan karakteristik utama dari jaringan tersebut?."

"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%."

"ABSTRAKSistem penciuman elektronik terdiri dari 3 bagian yaitu sistem sensor yang merubah besaran aroma menjadi besaran listrik, sistem elektronik yang mengukur besar perubahan frekuensi sensor dan sistem jaringan neural buatan yang melakukan pengenalan aroma. Peningkatan kemampuan pengenalan aroma yang cepat, tepat dan akurat pada sistem neural buatan sangat diperlukan oleh sistem penciuman elektronik ini, untuk itu perlu dikembangkan metode fuzzy learning vector quantization. Metode FLVQ merupakan metode jaringan neural buatan berbasis pada vector quantization yang mengintegrasikan teuri fuzzy dalam proses pembelajarannya dan mempunyai algoritma yang sederhana tetapi berkemampuan tinggi dalam pengenalan aroma. Pengembangan fuzzy learning vector quantization berfokus pada proses pembelajarannya terutama pada cara merubah fuzziness vektor pewakil. Berdasarkan cara perubahan fuzzinessnya ada tiga variasi FLVQ yang dinamakan FLVQ konstan, yaitu merubah lebar fuzziness vektor pewakil dengan besaran yang konstan; FLVQ variabel, yaitu merubah lebar fuzziness vektor pewakil berdasarkan nilai similaritas; dan FLVQ tunggal, yaitu merubah lebar fuzziness vektor pewakil hanya pada salah satu bagian sisinya. Hasil Penelitian dengan sampel aroma produk marta tilaar dan aroma etanol menunjukkan bahwa jaringan neural buatan FLVQ mempunyai kemampuan pengenalan yang lebih baik bila dibandingkan dengan propagasi balik."

"Dalam makalah ini, penulis membahas dan memperkenalkan sebuah metodologi pencaharian struktur arsitektur Jaringan Neural Buatan propagasi balik berbasis fuzzy (JNB-Fuzzy) yang optimal dengan menggunakan algoritma genetika. Optimasi struktur jaringan neural dapat dilakukan dengan memperkecil jumlah neuron dalam lapis tersembunyi atau jumlah bobot dalam jaringan neural. Dalam makalah ini penulis membuat optimasi struktur jaringan dengan memperkecil jumlah bobot dalam jaringan, karena jumlah bobot ini jauh lebih besar daripada jumlah neuron yang ada. Jaringan neural yang telah dioptimasi ini kemudian digunakan sebagai subsistem pengenal pola pada Sistem Penciuman Elektronik yang dikembangkan oleh penulis. Hasil eksperimen dengan menggunakan jaringan ini menunjukkan peningkatan derajat pengenalan sistem, dari 70,4% pada struktur jaringan tidak dioptimasi, menjadi 85,2% bila menggunakan struktur jaringan yang telah dioptimasi.

---

In this article we proposed a method for optimizing the structure of a fuzzy artifi cial neural networks (FANN) through genetic algorithms. This genetic algorithm (GA) is used to optimize the number of weight connections in a neural network structure, by evolutionary calculating the fi tness function of those structures as individuals in a population. This fuzzy neural is then applied as the pattern recognition in our developed odor recognition system. Experimental results show that the optimized neural system provides higher recognition capability compare with that of unoptimized neural system. Recognition rate of the unoptimized neural structure is 70.4% and could be increased up to 85.2% in the optimized neural system. It is also shown that the computational cost of the optimized structure of neural system is also lower than the unoptimized structure."