Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Pengenalan bermacam gas aroma dapat dilakukan dengan menganalisa pola keluaran dari bermacam sensor gas aroma. Makalah ini membahas pembuatan sistim pengenal jenis gas aroma dan Jaringan Syaraf Tiruan sebagai pengenal pola aroma, berdasarkan proses adsorbsi-deadsorbsi molekul gas. Sistim ini menggunakan empat buah sensor resonator kwarsa dengan frekuensi dasar 10 Mhz, masing-masing dilapis dengan membran sensitif yang mempunyai karakteristik berbeda. Adsorbsi molekul gas aroma dalam membran sensitif akan menurunkan frekuensi dasar sensor, dan ini berkaitan langsung dengan jenis gas aroma yang dideteksi. Berdasarkan larva tanggapan 4 sensor dengan membran yang berbeda akan didapatkan suatu pole tertentu bagi setiap gas masukan. Masa percobaan menunjukkan tanggapan sensor berbanding lurus dengan konsentrasi molekul gas aroma. Semakin tinggi suhu pengukuran, tanggapan sensor semakin tidak stabil. Sistim ini dapat mengenal beberapa aroma minyak alam yang mudah menguap dan juga dapat mengenal jenis gas etanol dengan konsentrasi larutan yang berbeda.

Abstrak :
Tesis ini meneliti metode pengklasifikasian menggunakan metode jaringan syaraf tiruan untuk mengklasifikasikan data aroma. Data aroma adalah data keluaran dari sistem penciuman elektronik. Penelitian ini merupakan lanjutan penelitian sebelumnya yaitu metode pengklasifikasian fuzzy-neuro learning vector quantization (fnlvq). Sebelumnya telah dikembangkan pula metode matrix similarity analysis (msa) guna menentukan kriteria pemberhentian algoritma fnlvq. Dalam penelitian ini akan dikembangkan dua metode fnlvq yang akan dioptimasikan dengan metode swarm intelligence yaitu fnlvq-particle swarm optimization (pso) dan metode swarm-fnlvq. Dengan menggunakan validasi silang, hasil dari penelitian ini menunjukkan bahwa rata-rata tingkat pengklasifikasian untuk aroma tiga campuran menggunakan fnlvq-pso sebesar 91% dan swarm-fnlvq sebesar 90% dimana kedua metode ini lebih baik daripada fnlvq yang sebesar 79% dan fnlvq-msa sebesar 77%. ......This thesis examines a classification method based on artificial neural networks to classifying various mixture of fragrance which is the output of the electronic nose system. This research is a continuation research of earlier fuzzy-neuro learning vector quantization (fnlvq) classification method. Previously a matrix similarity analysis method is developed to determine a stopping criterion of fnlvq algorithms. This research objective is to develops two modification fnlvq method based on swarm intelligence method namely fnlvq-particle swarm optimization (pso) and swarm-fnlvq methods. By using cross validation, this research showed that the average classification rate of fnlvq-pso is 91% whether swarm-fnlvq is 90%, this two methods is better than conventional fnlvq with 79% and fnlvq-msa at 77%.