Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKDalam banyak kendaraan modern, faktor keamanan menjadi pertimbangan penting dalam mendesain kendaraan. Sebagai salah satu bagian dari Advanced Driver Assistant Systems (ADAS) yang diperuntukkan untuk meningkatkan keamanan dalam berkendara, Adaptive Cruise Control (ACC) diperkenalkan untuk mengurangi kemungkinan terjadinya kecelakaan lalu lintas. Sistem pada ACCdapat membantu pengendara dalam menjaga jarak aman dengan kendaraan yang berada di depannya dengan mengendalikan besaran pada katup gas serta tekanan pada rem. Selain untuk meningkatkan faktor keamanan, sistem ACC harus mampu memberikan respon yang halus agar pengendara tetap merasa nyaman. Pada penelitian ini, sistem ACC akan didesain dengan memanfaatkan metode switchingyang memiliki respon yang halus dengan memanfaatkan kecepatan relatif, jarak antar kendaraan, dan percepataan kendaraan untuk menentukan kondisi follow mode ketika terdapat kendaraan di depannya, dan kondisi cruise mode ketika tidak terdapat halangan. Kemudian dalam mengendalikan kecepatan kendaraan, akan memanfaatkan pengendali Neural Network Predictive Control (NNPC) yang mengatur besaran katup gas dan tekanan rem yang diberikan. Metode NNPC akan memanfaatkan model Artificial Neural Network (ANN) dalam melakukan identifikasi model longitudinal kendaraan yang sangat tidak linier, dan menggabungkan dengan metode Model Predictive Control (MPC) untuk melakukan prediksi keadaan dari kendaraan yang dikendalikan. Hasil dari penelitian memperlihatkan bahwa pengendali NNPC serta algoritma switching yang digunakan mampu menjaga jarak dengan kendaraan yang ada di depannya, serta memiliki respon yang cukup halus.

---

ABSTRACTIn many modern vehicles, safety is an important consideration in designing a vehicle. As one part of the Advanced Driver Assistant Systems (ADAS) which is intended to improve safety in driving, Adaptive Cruise Control (ACC) is introduced to reduce the possibility of traffic accidents. The ACC system can help the driver maintain a safe distance from the vehicle in front of him by controlling the throttle and the pressure on the brakes. In addition to increasing the safety factor, the ACC system must be able to provide a smooth response so that the driver feels comfortable. In this study, the ACC system will be designed by using a switching method that has a smooth response by utilizing the relative speed, distance between vehicles, and vehicle acceleration to determine the condition of follow mode when there is a vehicle in front of it, and the cruise mode condition when there are no obstacles. Then in controlling vehicle speed, Neural Network Predictive Control(NNPC) controllers will control the amount of throttle and brake pressure applied. The NNPC method will utilize the Artificial Neural Network (ANN) model to identify longitudinal models of vehicles that are highly non-linear, and combine them with the Model Predictive Control (MPC) method to predict the state of the controlled vehicle. The results of the study show that the NNPC controller and switching algorithm used are able to maintain a distance from the vehicle in frontof it, and have a fairly smooth response."

"Kegiatan Operasi dan Pemeliharaan Jaringan Pipa Gas (O & M) dilakukan untuk memastikan Infrastrtuktur Pipa Gas dapat berjalan dengan handal dan aman. Estimasi Biaya O & M yang digunakan untuk menyusun anggaran O & M Rutin, Non Rutin serta Pendukung O & M menggunakan pendekatan deterministik dimana telah diketahui komponen penyusun pekerjaan serta harga pembentuknya. Namun dari data tahun 2016-2019 terdapat realisasi atas biaya yang belum pernah dialokasikan seperti pekerjaan tidak terencana (unplaned) dan penanganan kondisi gawat darurat (emergency) dan mengambil alokasi anggaran yang telah direncanakan untuk kegiatan O & M. Realisasi biaya tersebut dapat diartikan sebagai Biaya Kontingensi O & M dimana biaya tersebut tidak dapat diprediksi dan dihitung sebelumnya namun terjadi. Dampak jangka Panjang dari diambilnya alokasi anggaran O & M yang sudah direncanakan dimana perusahaan belum mengalokasikan khusus anggaran kontingensi, dapat mengganggu Integrity dan keselamatan penyaluran gas.Untuk menjawab masalah tersebut diperlukan Pemodelan Estimasi Biaya Kontingensi Operasi dan Pemeliharaan yang digunakan untuk menentukan formula beban biaya kontingensi Operasi dan Pemelihaaan Jalur Pipa Gas Distribusi terhadap perencanaannya. Dalam Tesis ini dilakukan penelitian mengenai pengujian komponen variabel pembentuk biaya kontingensi Pengoperasian dan Pemeliharaan pipa gas seperti variabel Perbaikan Pipa, Relokasi Pipa, Sewa Lahan agar didapatkan suatu Pemodelan Estimasi Biaya kontingensi Operasi dan Pemeliharaan yang sesuai menggunakan Artificial Neural Network dengan bantuan Matlab Program. Dari hasil Pemodelan tersebut didapatkan formula model estimasi biaya kontingensi Operasi dan Pemeliharaan. Dari hasil estimasi biaya yang diperoleh, perusahaan dapat melakukan perencanaan anggaran yang lebih aktual dengan mengalokasikan biaya kontingensi secara khusus untuk dapat tetap memastikan kegiatan preventive, predictive maintenance dan corrective action dapat berjalan sesuai dengan siklus life time asset serta integrity dan keselamatan kegiatan operasional dapat dilaksanakan guna keberlangsung bisnis perusahaan serta memberikan pelayanan terbaik kepada pelanggan dan pemangku kepentingan.

---

Operation and maintenance (O & M) activities are carried out to guarantee that the Gas Pipeline Infrastructure can operate reliably and safely. The O&M Cost Estimation utilized to prepare Routine, Non-Routine, and O&M Supporter budgets employs a deterministic methodology in which the components of the job and their costs are known. However, the 2016-2019 data shows that costs that were never allocated, such as unanticipated work (unplanned) and dealing with emergency situations (emergency), as well as taking planned budget allocations for O&M operations, were realized. These costs can be regarded as costs when they are realized. O&M contingency expenditures cannot be forecast or anticipated in advance, yet they do occur. The long-term consequences of taking the scheduled O&M budget allocation and not allocating a special contingency budget can jeopardize the integrity and safety of gas distribution.

Model the Estimation of Operations and Maintenance Contingency Costs, which are used to establish the contingency cost load formula for Operation and Maintenance of Distribution Gas Pipelines against its plans, is required to solve this problem.

In order to obtain a suitable contingency cost estimation modeling using Artificial Neural Network with the help of the Matlab Program, a research was conducted on testing the variable components that form contingency costs for operation and maintenance of gas pipes, such as variable pipe repair, pipe relocation, and land rent.

A model formula for estimating Operations and Maintenance contingency costs is derived from the modeling findings. The company can plan a more actual budget based on the estimated costs obtained by allocating contingency costs specifically to ensure that preventive, predictive maintenance, and corrective action activities can run in accordance with the life time asset cycle, and the integrity and safety of operational "

"The main elements of biomass consisting of cellulose, hemicellulose, and lignin are useful as the main material for the production of renewable energy. The main element of this biomass has been converted through the pyrolysis process for the production of various bioproducts from gas, liquid and solid fuels. The pyrolysis process heats the biomass from 300-500℃ in the absence of oxygen. However, the complexity of pyrolysis makes it difficult to determine the best operating conditions for a particular biomass to produce maximum product yields. Therefore, a model called Artificial Neural Network (ANN) has been determined to relate the relationship between bioproducts and the main constituents of biomass. ANN has been tested and reliable to estimate a value because the model can learn independently based on initial data. The correlation has estimated the mass percentage yield of the biomass pyrolysis process; Therefore, this study will provide a deeper understanding of thermal decomposition and kinetic analysis, especially on cellulose, hemicellulose, and lignin in the pyrolysis process using the ANN approach with thermogravimetric analysis data. Kinetic parameters were obtained using three iso-conversional methods, namely Friedman (FR), Kissinger-Akahira-Sunose (KAS), and Flynn-Wall-Ozawa (FWO) assuming a first-order reaction (n=1). Then, the findings of this study state that by analyzing the two ANN models using two transfer functions of logsig-tansig (LT) and tansig-tansig (TT), the error value is lower than the results of the analysis using one transfer function. The activation energies of cellulose, hemicellulose, and lignin produced in this study were 171.92, 150.31, 142.78 kJ/mol, respectively. Finally, the pre-exponential factor values ​​of the cellulose, hemicellulose, and lignin produced were 1.51×1010, 1.02×1010, and 6.53×1015 s-1, respectively.

---

Unsur utama biomassa yang terdiri dari selulosa, hemiselulosa, dan lignin berguna sebagai bahan utama produksi energi terbarukan. Unsur utama biomassa ini telah diubah melalui proses pirolisis untuk produksi berbagai bioproduk dari bahan bakar gas, cair dan padat. Proses pirolisis memanaskan biomassa dari 300-500℃ tanpa adanya oksigen. Namun, kompleksitas pirolisis membuat sulit untuk menentukan kondisi operasi terbaik untuk biomassa tertentu untuk menghasilkan hasil produk yang maksimal. Oleh karena itu, model yang disebut Jaringan Syaraf Tiruan (JST) telah ditentukan untuk menghubungkan hubungan antara bioproduk dan konstituen utama biomassa. JST telah teruji dan reliabel untuk mengestimasi suatu nilai karena model dapat belajar secara mandiri berdasarkan data awal. Korelasi telah mengestimasi persentase massa hasil proses pirolisis biomassa; Oleh karena itu, penelitian ini akan memberikan pemahaman yang lebih mendalam tentang dekomposisi termal dan analisis kinetik terutama pada selulosa, hemiselulosa, dan lignin pada proses pirolisis menggunakan pendekatan JST dengan data analisis termogravimetri. Parameter kinetik diperoleh dengan menggunakan tiga metode iso-konversi, yaitu Friedman (FR), Kissinger-Akahira-Sunose (KAS), dan Flynn-Wall-Ozawa (FWO) dengan asumsi reaksi orde satu (n=1). Kemudian, temuan penelitian ini menyatakan bahwa dengan menganalisis kedua model JST menggunakan dua fungsi transfer logsig-tansig (LT) dan tansig-tansig (TT), nilai errornya lebih kecil dibandingkan dengan hasil analisis menggunakan satu fungsi transfer. Energi aktivasi selulosa, hemiselulosa, dan lignin yang dihasilkan pada penelitian ini masing-masing adalah 171,92, 150,31, 142,78 kJ/mol. Akhirnya, nilai faktor pra-eksponensial dari selulosa, hemiselulosa, dan lignin yang dihasilkan masing-masing adalah 1,51×1010, 1,02×1010, dan 6,53×1015 s-1."

"

Di tengah maraknya wabah virus Corona, penyakit lain yang menjadi salah satu masalah kesehatan utama masyarakat Indonesia dan tidak dapat diabaikan adalah penyakit Demam Berdarah Dengue (DBD). DBD merupakan penyakit infeksi yang disebabkan oleh virus dengue dan ditularkan melalui gigitan nyamuk Aedes aegypti betina. Faktor lain yang berpengaruh dalam penyebaran DBD adalah faktor cuaca, seperti curah hujan yang tinggi, perubahan suhu dan iklim, serta kelembaban udara. Di Indonesia sendiri, peningkatan kasus DBD banyak terjadi pada masa pancaroba. Oleh karena itu, seiring dengan banyaknya kasus DBD yang terjadi saat ini, dibutuhkan upaya pencegahan dan penanganan dini untuk menanggulangi risiko persebarannya. Upaya yang dapat dilakukan antara lain dengan melakukan prediksi jumlah insiden DBD. Pada tugas akhir ini, jumlah insiden DBD diprediksi menggunakan salah satu metode dalam machine learning, yaitu metode Artificial Neural Network - Particle Swarm Optimization (ANN-PSO), di mana yang menjadi variabel prediktornya adalah jumlah insiden DBD dan faktor cuaca (temperatur, curah hujan, dan kelembaan relatif). Fungsi aktivasi yang digunakan pada tugas akhir ini adalah fungsi Tanh (pada hidden layer) dan fungsi ReLU (pada output layer), dengan memperhitungkan parameter jumlah hidden neuron dan ukuran populasi. Kinerja model ANN-PSO yang dibentuk kemudian dievaluasi berdasarkan Mean Squared Error (MSE). Pada tugas akhir ini, model ANN-PSO terbaik yang dihasilkan untuk masing-masing kotamadya di DKI Jakarta memiliki hasil yang berbeda-beda sesuai dengan parameter yang digunakannya, dengan MSE testing paling kecil bernilai 0,0215026 untuk wilayah Jakarta Pusat, sedangkan MSE testing paling besar bernilai 0,0438962 untuk wilayah Jakarta Utara.

---

During the Coronavirus outbreak, another disease that is also one of the main health problems for the Indonesian people and hence cannot be ignored is Dengue Hemorrhagic Fever (DHF). DHF is an infectious disease caused by dengue virus and is transmitted through the bite of female Aedes aegypti mosquitoes. Another factor that influences the spread of DHF is weather factors, such as high rainfall, changes in temperature and climate, and humidity. In Indonesia, the increase in dengue cases occurred during the transition period. Therefore, in line with the number of dengue cases currently occurring, prevention and early management are needed to mitigate the risk of its spread. Efforts that can be made include predicting the number of dengue incidents. In this final project, the number of dengue incidents is predicted using one of the methods in machine learning, namely the Artificial Neural Network - Particle Swarm Optimization (ANN-PSO) method, where the predictor variables are the number of dengue incidents and weather factors (temperature, rainfall, and relative humidity). The activation functions used in this final project are the Tanh Function (on the hidden layer) and the ReLU Function (on the output layer), and the tuning parameters are the number of hidden neurons and population size. The performance of the ANN-PSO model that was formed evaluated using the Mean Squared Error. In this final project, the best ANN-PSO model produced for each municipality in DKI Jakarta has different results according to the parameters it uses, with the smallest MSE testing value of 0,0215026 for the Central Jakarta area, while the largest MSE testing value was 0,0438962 for the North Jakarta area.

"

"ABSTRAKLaporan keuangan memiliki peranan yang penting bagi penggunanya dalam mengambil keputusan. Pentingnya fungsi dari laporan keuangan menyebabkan banyak pihak ingin melakukan tindak kecurangan seperti menyajikan dan merekayasa nilai material dari laporan keuangan untuk mendapatkan keuntungan. Kecurangan pada laporan keuangan menimbulkan kerugian yang tidak sedikit, yakni sekitar US$1,000,000. Kegiatan audit perlu dilakukan untuk mencegah kerugian tersebut, tetapi jumlah auditor yang tersedia saat ini terbatas, serta waktu audit tradisional yang dibutuhkan tidaklah sebentar. Pendekatan data mining yakni Support Vector Machine (SVM) serta Artificial Neural Network (ANN) digunakan untuk mendeteksi kecurangan pada laporan keuangan. ANN menghasilkan akurasi tertinggi untuk data tanpa feature selection, sedangkan SVM unggul pada data dengan feature selection

---

ABSTRACTFinancial statement has an important role for its users in taking decisions. The importance of the functions of the financial report caused many parties want to do acts of cheating like presents and manipulates the material value of the financial statements for profit. Cheating on financial statements result in losses that are not few, approximately US$1,000,000. Audit activities need to be done to prevent such losses, but the number of Auditors currently available is limited, and the time required for traditional audit is quite long. Data mining approaches like Support Vector Machine (SVM) and Artificial Neural Network (ANN) is used to detect fraud on financial statements. ANN produces the highest accuracy for data without feature selection, whereas the SVM excels at data with feature selection"

"ABSTRAKMenentukan keputusan yang tepat dalam trading saham bukanlah hal yang mudah untuk dilakukan dikarenakan pergerakan harga saham yang sangat dinamis, apabila salah langkah maka yang didapat adalah kerugian. Untuk menentukan tindakan yang tepat dalam trading saham, investor dapatmenganalisis saham yang akan diinvestasikan terlebih dahulu agar mendapatkan keuntungan yang besar. Analisis yang dapat dilakukan adalah teknikal analisis saham dengan menggunakan berbagai indikator yang ada. Pada skripsi ini, akan dibahas penggabungan enam indikator analisisteknikal saham, yaitu Simple Moving Average, Moving Average Convergence/Divergence (MACD), Relative Strength Index (RSI), Stochastic Oscillator (SO) yaitu %D dan %K, dan William %Rdengan menggunakan metode Computational efficient functional link artificialneural network (CEFLANN). Melalui metode ini, akan didapatkan rekomendasi berupa keputusan untuk jual, tahan, atau beli dan ketepatan akurasi rekomendasi yang diperoleh untuk jangka waktu satu minggu adalah 73,3%.

---

ABSTRACTDeciding the right strategy in stocks trading is not an easy thing to be done because the stock prices movement, a little mistake can lead a huge loss. To determine the appropriate decision, investors can analyze the behaviour of targeted stocks first for gaining high profit . One of the method of analysis which can be performed is the technical stock analysis using various existing indicators. This undergraduate thesis will discuss about the combination of six indicators in technical analysis by using Computational efficient functional link artificial neural network (CEFLANN). The six technical indicators is Simple Moving Average, Moving Average Convergence/Divergence (MACD), Relative Strength Index (RSI), Stochastic Oscillator (SO) yaitu %D dan %K, dan William %R. By usingthis method, investors will find the recommended decision on stocks trading, such as sell, hold, or buy and the accurate of the decision in one week is 73,3%."

"ABSTRAKKota Depok yang mempunyai luas wilayah sekitar 20.029 ha, tidak terlepas dari fenomena dinamika perubahan lahan akibat pertambahan penduduk terus menerus. Apabila proses ini dibiarkan maka akan terjadi pergeseran penggunaan lahan yang semakin tidak terkendali. Prediksi penggunaan lahan menjadi salah satu alternatif sebagai antisipasi pengendalian penggunaan lahan yang berlebihan dimasa yang akan datang . Penelitian ini bertujuan untuk melakukan pemodelan untuk memprediksi perubahan penggunaan lahan di Kota Depok tahun 2030 menggunakan aplikasi Cellular Automata-Markov dengan metode Jaringan Syaraf Tiruan, lalu membandingkannya dengan Rencana Tata Ruang Wilayah RTRW kota Depok sebagai salah satu instrumen perencanaan. Hasil penelitian menunjukan perubahan penggunaan lahan dari tahun 1998 ndash; 2013. Penambahan luas penggunaan lahan terjadi pada permukiman sebesar 7254 ha Kecamatan Limo dan Sukmajaya , pertanian/tegalan/ladang sebesar 3327, semak/tanah terbuka dan badan air masing ndash; masing 395 ha dan 451 ha Penurunan secara besar terjadi pada kebun/vegetasi dan sawah yaitu sebesar 9707 ha dan 1350 ha. Prediksi penggunaan lahan menunjukan penambahan luas penggunaan lahan terjadi pada kebun Kecamatan Tapos sebesar 1813 ha, permukiman sebesar 391 ha Kecamatan Beji, Pancoran Mas, Sukmajaya , dan sawah sebesar 864 ha. Penurunan secara besar terjadi pada pertanian yaitu sebesar 1971 ha dan semak/tanah terbuka sebesar 1079 ha. Prediksi perubahan penggunaan lahan di Kota Depok untuk tahun 2030 pada memiliki nilai Kappa sebesar 0.68 akurasi 68 . Setelah dibandingkan dengan RTRW setidaknya terdapat kemiripan sebesar 13.700 ha atau 68 luas total Kota Depok. Setidaknya sekitar 12516 ha permukiman kepadatan tinggi, 1549 ha untuk Ruang Terbuka Hijau, dan 80 ha untuk Daerah Resapan Air.

---

ABSTRACTDepok city which has an area of about 20,029 ha, is inseparable from the phenomenon of the dynamics of land use change due to the continuous population growth. If the process is allowed then there will be a huge shift and uncontrolled in land use . Land use prediction is one of the alternatives in anticipation of excessive land use control in the future. This study aims to model the prediction of land use change in Depok City by 2030 using Cellular Automata Markov application with Artificial Neural Network method and compare it with Spatial Planning RTRW of Depok as one of the planning instruments. The results of the study show the land use change from 1998 to 2013. The increase of land use occurred in settlements of 7254 ha Limo and Sukmajaya SubDistrct , agriculture of 3327ha, shrubs open land and water bodies of 395 ha and 451 ha. The large decrease occurred in the garden vegetation and rice fields that amounted to 9707 ha and 1350 ha. Land use prediction shows the increase of land use occurred in the vegetation Tapos Sub District of 1813 ha, settlements of 391 ha Beji, Pancoran Mas, Sukmajaya Sub District , and rice field of 864 ha. A large decrease occurred in agriculture that amounted to 1971 ha and shrub open land of 1079 ha. The prediction of land use change in Depok for 2030 has a Kappa value of 0.68 68 accuracy . After comparison with RTRW, there is at least 13,700 ha or 68 of total Depok City. At least around 12516 ha of high density settlements, 1549 ha for the Green Open Space, and 80 ha for the Water Catchment Area."

"Salah satu metode deteksi penyakit Diabetes mellitus ialah dengan mengukur kadar glukosa pada darah dengan mengambil sejumlah darah untuk dilakukan pengukuran. Selain itu, metode pengukuran bersifat non-invasif juga sedang mengalami perkembangan, di antaranya ialah iridologi. Penelitian ini memfokuskan pada perancangan suatu sistem prediksi Diabetes mellitus melalui citra iris (iridologi) yang bersifat non-invasif. Pemetaan organ yang berkorespondensi pada wilayah iris dapat dimanfaatkan untuk memprediksi kerusakan jaringan organ, khususnya pada pankreas sebagai penghasil insulin. Sistem yang dikembangkan terdiri atas instrumen akuisisi citra iris dan algoritma pengolahan citra yang berbasis pada ciri tekstur. Pemrosesan citra yang dilakukan ialah peningkatan kualitas melalui metode FFT filtering dan grayscaling, lokalisasi iris dengan circular hough transform (CHT), dan normalisasi dengan rubber-sheet normalization. Kemudian dilakukan segmentasi daerah pankreas pada iris sejumlah satu ROI di mata kanan dan dua ROI di mata kiri. Akuisisi citra iris dilakukan sebanyak tiga kali pada 15 subjek tidak Diabetes dan 11 subjek Diabetes. Ekstraksi ciri yang dilakukan menggunakan filter Gabor pada bagian ROI tersebut. Model ANN digunakan untuk klasifikasi kelas Diabetes dan non-Diabetes menggunakan metode SCG dan cross validation menghasilkan akurasi sebesar 87.6%, misclassification error (MR) 12.4%, false positive rate (FPR) 8.26%, false negative rate (FNR) 18.8%, sensitivity 81.2% dan specificity 91.7%. Nilai tersebut menggambarkan bahwa sistem secara umum dapat bekerja untuk membantu prediksi seseorang berpenyakit Diabetes.

---

One of Diabetes mellitus detection method is to measure the blood glucose by drawing small amount of blood. Other than that, some non-invasive methods also have been developed, one of the alternative methods is iridology. This research focus on development of non-invasive Diabetes mellitus prediction system through iris image. The mapping of organs that corresponded in iris image can be used to detect damaged tissues of an organ, particularly in pancreas where insulin hormone is made.

The developed system consists of image acquisition instrument and image processing algorithm using texture characteristics. The processing starts with image enhancement using filter FFT and grayscaling, iris localization using circular hough transform (CHT), and normalization using rubber-sheet normalization. Segmentation on pancreas in iris image then resulted as followed, one ROI of right eye image and two ROIs of left eye image.

Image acquisition was done with maximum of three images taken and used from 15 health subjects and 11 Diabetes subjects. Feature extraction method that used is Gabor filter. Classification model ANN is used to classify between Diabetes and health subjects with SCG function and cross validation results in accuracy number of 87.6%, misclassification error (MR) 12.4%, false positive rate (FPR) 8.26%, false negative rate (FNR) 18.8%, sensitivity 81.2% and specificity 91.7­­%. Those results show that, system in general has worked to help in prediction of Diabetes."

"Fluid Catalytic Cracking (FCC) adalah suatu proses konversi yang digunakan untuk mengubah fraksi hidrokarbon berbahan bakar tinggi agar dapat menjadi produk bahan bakar lainnya. Untuk menjalankan sistem kendali FCC diperlukan Supervisory Control And Data Acquisition (SCADA). Sistem SCADA yang digunanakan untuk mengontrol, mengakuisisi, serta memonitori regenerator FCC dengan menggunakan Blynk sebagai HMI, laptop sebagai MTU dan arduino sebagai RTU. Dalam proses FCC dibutuhkan temperatur optimum pada regenerator, maka dari itu data yang diambil dioptimasi menggunakan Artificial Neural Network. Hasil training ANN didapatkan nilai koefisien korelasi sebesar 84.08%, nilai MSE berada pada kisaran 10-2 dan nilai error sebesar 0.053. Dari hasil tersebut menunjukan besarnya keakuratan ANN dalam mempelajari data. Dengan menggunakan Genetic Algorithm (GA) didapatkan hasil optimasi temperatur regenerator sebesar 765.32oC pada laju aliran massa ejektor 0.0067 kg/s, laju aliran massa regenerator 0.0043 kg/s dan bukaan katup ejektor “50” atau 7500 step pada motor stepper.

---

Fluid Catalytic Cracking (FCC) is a conversion process used to convert high-fuel hydrocarbon fractions into other fuel products. To run the FCC control system, Supervisory Control And Data Acquisition (SCADA) is required. The SCADA system is used to control, acquire, and monitor FCC regenerators using Blynk as HMI, laptops as MTU and Arduino as RTUs. In the FCC process, the optimum temperature needed for the regenerator, therefore the data taken is optimized using Artificial Neural Network. ANN training results obtained a correlation coefficient of 84.08%, the MSE value is in the range of 10-2 and an error value of 0.053. From these results shows the accuracy of ANN in studying data. By using Genetic Algorithm (GA), the result of optimization of regenerator temperature is 765.32oC at ejector mass flow rate of 0.0067 kg/s, regenerator mass flow rate of 0.0043 kg/s and valve opening of "50" or 7500 step stepper motors."