Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Pencampuran susu dengan melamin ditujukan untuk mengelabuhi badan pengawasan makanan, agar terlihat kandungan protein dalam susu bagus.kualitas susu bagus terlihat dari kadar nitrogen yang terkandung dalam asam amino,karena melamin mempunyai kadar nitrogen yang tinggi sebanyak 66% maka susu akan terlihat mempunyai protein tinggi. 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 pendeteksian kadar melamin dari bahan makanan. Metode yang digunakan adalah backpropagation yang terdiri atas lapisan masukan, lapisan tersembunyi dan lapisan keluaran. Data yang diperoleh yaitu dari pengukuran yang dilakukan di LAB afiliasi Fakultas Matematika dan Ilmu Pengetahuan (FMIPA) Universitas Indonesia.Analisa Sistem yang dilakukan adalah training data dengan fungsi gradien (traingd) serta menggunakan fungsi aktivasi purelin.hasil identifikasi kemudian di hitung persen error dari jaringan.

---

Melamine mixing with milk and Some of food is to manipulating for food control agency, and to look good protein in milk is looking from the nitrogen content of the amino acid, because the melamine has a high nitrogen content of 66% then milk look like have a good protein content. Network Network is a method for computing and modeling a system. Neural Network is so flexible so allow neural netwok using to modeling, design and analyze detectition of melaminn level from food. Which using backpropagation metode, this metode include input layer, hidden layer, and output layer. All data get from Afilition Laboratory in Science Faculty in University of Indonesia depok. System analyze using gradient function (traingd) and using purelin activation function and all data identification then calculate in persen with neural network.

Abstrak :
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.

Abstrak :
Penyakit pada jantung merupakan salah satu penyebab kematian pada manusia di seluruh dunia. Salah satunya merupakan serangan jantung yang disebabkan adanya kelainan pada katup jantung yang dapat dideteksi melalui suara murmur pada detak jantung penderita. Skripsi ini merancang sistem pengenalan penyakit jantung 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 menganalisis pengenalan penyakit jantung. Metode yang digunakan adalah backpropagation yang terdiri atas lapisan masukan, lapisan tersembunyi dan lapisan keluaran. Pada penelitian ini analisis yang dilakukan adalah training data dengan fungsi gradient (traingd) serta menggunakan fungsi aktivasi purelin. Hasil dari pengujian kelainan jantung yang diperoleh akurasi rata-ratanya sebesar 82,22 %.

---

Heart disease is one of dead effect of human being in the world. One of them is heart attack which is cause by valve heart disease which can be detected by murmur sound of heartbeat patients. This Final Project is design of heart disease recognition system using Neural Network method. Neural Network is a computing method for modeling the system. Neural Network configuration and characteristic is very flexible enable which used for modeling, design dan analysing heart disease recognition. The methods which used is backpropagation which consist of input layer, hidden layer and output layer. In this research the analysis that has been done is file training with gradient function (traingd) and using purelin activation function. The result from testing heart disease is obtained average accuracy about 82,22 %.