Hasil Pencarian  ::  Simpan CSV :: Kembali

"The capabilities of artificial neural network (ANN) : generalization, adaptive, and tolerant became a basis in choosing the pattern recognition methods of Javanese charahters...."

"Food security is the main problem in food production in Indonesia. One of the reason that the food from corn isis not safe to be consumed caused by contaminated by aflatoxins wich produced by fungi...."

"Berdasarkan data Kementerian Perindustrian, industri kabel diperkirakan akan mengalami pertumbuhan sekitar 10% -15% beberapa tahun ke depan. Industri kabel saat ini sedang aktif menyuplai industri otomotif, kenaikan penjualan otomotif dan variasi produk ini yang sangat sulit di antisipasi permintaannya. Oleh karena itu, untuk menghadapi ketidakpastian ini, pelaku bisnis harus memiliki alat atau strategi agar rencana strategis perusahaan menjadi andal. Beberapa penelitian sebelumnya tentang prediksi jumlah stok produk di masa depan, menyimpulkan bahwa inventori, baik dalam bentuk bahan baku, barang dalam proses, produk setengah jadi dan produk jadi, pada biaya inventori 20% hingga 40% dari nilai produk. Dengan demikian, pengendalian inventori sangat penting dalam bisnis perusahaan. Kontribusi utama dari penelitian ini adalah membuat model pendukung keputusan dengan memprediksi pesanan dari pelanggan untuk meminimalkan risiko kegagalan persediaan. Oleh karena itu, kombinasi Fuzzy Analytic Hierarchy Process (Fuzzy AHP) dan Artificial Neural Network (ANN) dilakukan untuk manajemen inventori.

---

Based on data from the Ministry of Industry, the cable industry is expected to experience growth of around 10% -15% in the next few years. The cable industry is currently actively supplying the automotive industry, the increase in automotive sales and variations in these products are very difficult to anticipate demand. Therefore, to deal with this uncertainty, business people must have a tool or strategy so that the company`s strategic plan becomes reliable. Some previous studies on the prediction of the number of product stocks in the future, concluded that inventory, both in the form of raw materials, in-process goods, semi-finished products and finished products, at inventory costs 20% to 40% of product value. Thus, inventory control is very important in the company`s business. The main contribution of this research is to make a decision support model by predicting orders from customers to minimize the risk of inventory failure. Therefore, a combination of Fuzzy Analytic Hierarchy Process (Fuzzy AHP) and Artificial Neural Network (ANN) is carried out for inventory management."

"Salah satu cara untuk membuat sistem penciuman buatan adalah dengan cara membuat alat non-destruktif untuk mengukur buah matang atau busuk. buah yang dipilih adalah buah yang mengeluarkan gas yang cukup untuk dideteksi oleh sensor. Sistem ini terdiri dari sebuah semikonduktor gas dengan komponen data akuisis dan analisisnya. data diambil dari beberapa sampel buah dengan rentang waktu yang berbeda beda. Setiap tahap kematangan memiliki nilai yang berbeda beda yang dideteksi oleh sensor. Untuk menganalisa data kita menggunakan artificial neural network (ANN) untuk mengklasifikasikan data untuk menentukan buah tersebu matang atau busuk. jaringan ini di integrasikan kedalam sistem yang akan dibuat untuk mendeteksi buah tersebut. Dalam hal ini digunakan mikrokontroller ATMEGA 8535 untuk mendeteksi buah tersebut. Mikrokontroller digunakan untuk memonitor besaran arus ketika dilakukan pengambilan data oleh sensor dan kemudian melakukan pemrosesan data menggunakan ANN serta menampilkan hasil konsentrasi secara langsung melalui perangkat LCD display. Dengan adanya hidung elektronik ini semoga dapat membantu industri buah untuk membedakan buah yang matang dan yang busuk. 

---

One way to make an artificial olfactory system is by making a non-destructive tool to measure ripe or rotten fruit. the fruit chosen is the fruit that emits enough gas to be detected by the sensor. This system consists of a gas semiconductor with data acquisition and analysis components. Data is taken from several fruit samples with different timeframes. Each stage of maturity has a different value that is detected by the sensor. To analyze data we use artificial neural networks (ANN) to classify data to determine which fruit is ripe or rotten. This network is integrated into the system that will be made to detect the fruit. In this case the ATMEGA 8535 microcontroller is used to detect the fruit. Microcontroller is used to monitor the amount of current when data is taken by the sensor and then perform data processing using ANN and display the results of concentration directly through the LCD display device. With this electronic nose, hopefully it can help the fruit industry to distinguish between ripe and rotten fruit."

"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.

"

"It has been studied the forecasting of electric power peak load in the Indonesian electric system byusing Artificial Neural Network (ANAU) Back Propagation method with the study period is 2000 - 2025.The long-range forecasting of electric peak load is influenced by economic factors. in this study, it?sselected the economic data which is estimated very influence to forecasting, which in this case becomeinput ofAN1\L i. e.: Gross of Domestic Product (GDP) per-capita, Population, Amount of Households,Electrification Ratio, Amount of CO, Pollution, Crude Oil Price, Coal Price, Usage of Final Energy,Usage Qf Final Energy on Industrial Sector; and Average Electric Charges. Data used for study areactual data, start year 1990 up to 2000. Result of the peak load forecasting in the end of study (2025) byusing ANN is 85,504 MHC meanwhile the load forecasting in the National Electricity General lan(NEGP) is 79,920 MW (the difference of both is about 6. 6%). Based on ANN approach is obtained resultsthat the peak load forecasting in Indonesia in the year 2005, 2010, 2015, 2020 and 2025 are 16,516 MHC24,402 MHC 36, 15 7 MIK 56,060 MW and85,584 MW respectively."

"Perkembangan teknologi otomotif di dunia yang sangat pesat menuntut para pelaku industri otomotif untuk terus-menerus mengembangkan teknologi dan inovasi terbaru. Namun, inovasi yang dilakukan di industri otomotif tidak lagi terbatas pada inovasi produk namun juga pada proses pengembangan produk. Salah satunya adalah dengan menerapkan strategi product platform. Penelitian ini dilakukan untuk memprediksi waktu pergantian platform pada salah satu jenis produk multi-generasi, yaitu produk otomotif, dengan menggunakan metode peramalan artificial neural network. Hasil prediksi pada penelitian menunjukkan bahwa prediksi waktu pergantian platform berkisar dalam kurun waktu 32-33 quarter yang merupakan hasil yang sesuai dengan rentang waktu inovasi platform yang ideal yaitu 8-10 tahun. Selain itu, penelitian juga memperlihatkan bahwa pergantian platform pada produk otomotif kerap dilakukan ketika produk sedang berada di tahap maturity dalam siklus hidupnya serta berhasil mengidentifikasi faktor-faktor yang mempengaruhi keputusan perusahaan untuk melakukan pergantian platform.

---

The rapid growth of technology in the automotive industry has forced the manufacturers to continuously develop new technology and make innovations. Nowadays, innovation in the automotive industry does not only refer to product innovation, but it refers to process innovation as well, for example by implementing the product platform strategy. This research aims to predict the development time of new platform for one of the multiple-generation product line, automotive product, using artificial neural network. The prediction from this research shows that new platform should be introduced in 32-33 quarters. This result is suitable to the ideal condition of platform innovation which is in 8-10 years. Moreover, the result shows that most of the time company decides to introduce the next-generation platform while the older generation is still in the maturity stage of its life cycle and the research also successfully identifies the factors influencing company to introduce the next-generation platform."

"Energi Surya merupakan Sumber Energi Terbarukan yang sangat potensial sebagai alternatif sumber energi khususnya kelistrikan, baik untuk mengurangi dampak lingkungan, maupun meningkatkan pelistrikan di daerah terpencil. Penelitian ini dilakukan untuk membangun Model Prediksi Sumber Energi Terbarukan Tenaga Surya di Indonesia. Dalam Studi ini diajukan prosedur optimalisasi Jaringan Syaraf Tiruan berdasarkan Theorema Cybenko tentang universalitas JST dengan 1-hidden layer, dan algoritma Neural Network Construction with Cross-validation Samples (N2C2S) dalam optimalisasi jumlah neuron pada hidden layer. Pemodelan dilakukan pada wilayah Indonesia menggunakan gabungan data meteorologi dan Radiasi Global Surya Bulanan dari SSE NASA dan BMKG selama 4 tahun di 14 lokasi untuk proses training JST, dan 6 lokasi sebagai target prediksi. Pola JST Feed forward multi layer digunakan dalam model ini dengan menerapkan metoda pembelajaran back propagation. Hasil modeling menunjukkan bahwa model JST dengan 1 hidden layer menghasilkan model kriteria akurasi yang sangat baik dengan MAPE 4,1% dan R2 0,82, dibandingkan dengan MAPE 7,52% dan R2 0,48 pada teknik regresi sebagai metoda yang umum digunakan dalam modeling prediksi. Penelitian ini juga mendemonstrasikan bahwa model JST dapat merepresentasikan prediksi lebih akurat dari teknik regresi, khususnya di mana terjadi dinamika yang tinggi pada variabel prediktornya. Hal ini menyimpulkan tidak saja bahwa dengan prosedur optimisasi JST dapat disusun secara optimal untuk memberikan struktur yang lebih sederhana, namun JST yang dihasilkan memberikan piranti prediksi yang akurat dan responsif terhadap dinamika data, dengan akurasi yang dapat dipertanggungjawabkan.

---

This study is focused on modeling the Global Solar Radiation using Artificial Neural Network to predict GSR in a location in Indonesia which is available with meteorological data but lack with radiation measurement data. In this study, an optimalisation of ANN development is proposed based on Cybenko Theorem on universal approximator of single-hidden layer Multi Layer Perceptor combined Neural Network Construction with Cross-validation Samples (N2C2S) algorithm for optimum number of hidden neuron. Data for weather and solar radiation parameter are taken from NASA and BMKG (Indonesian Meterological and Climatology Agency) for 20 cities in Indonesia during the period for 4 year, divided into two groups of 14 cities for model development and 6 cities for model validation. The developed model provides much better performance with MAPE of 4,1% and of R2 0,82, as to compare with the widely used regression technique with MAPE of 7,52% and R2 of 0,48. The simulation shows that an ANN with single-hidden layer is an excellent approximator for the solar radiation function in the targeted area, in particular in the periode where high dynamics is present in predictor variables. This shows that not only the model is able to predict the solar radiation in a good agreement with the actual data, but more importantly that the high dynamics fluctuation of parameter is successfully captured."

"Saat ini banyak bermunculan jasa pengiriman paket barang. Hal ini memicu perusahaan pengiriman paket barang memberikan kualitas layanan yang baik kepada para konsumennya. PT Pos Indonesia merupakan BUMN yang bergerak di bidang jasa pengiriman surat dan paket. PT Pos Indonesia sedang berusaha meningkatkan kualitas layanannya untuk mengambil kembali pangsa pasar pengiriman paket barang. Dalam upaya meningkatkan kualitas layanannya diperlukan sebuah metode pengukuran kualitas layanan yang bisa memberikan gambaran secara akurat penilaian kualitas menurut persepsi pelanggan. Artificial Neural Network (ANN) merupakan salah satu bagian dari data mining yang dapat digunakan untuk pengukuran kualitas. Namun, ANN memiliki keterbatasan dalam penentuan nilai parameter yang digunakan. Penelitian ini bertujuan mengintegrasikan Genetic Algortihm dan ANN untuk mengoptimasi nilai paramater sehingga diperoleh hasil pengukuran kualitas yang akurat. Data penilaian kualitas menurut persepsi pelanggan diperoleh melalui survey menggunakan kuesioner. Hasil pengukuran kualitas menggunakan integrasi ANN-GA menunjukkan bahwa nilai kualitas layanan paket barang PT Pos Indonesia secara keseluruhan sudah baik. Selain itu, performa hasil pengukuran menggunakan integrasi ANN-GA lebih bagus daripada menggunakan metode ANN.

---

Today many emerging parcel delivery services. This triggers the parcel delivery company provide good quality service to its customers. PT Pos Indonesia is a state-owned enterprise engaged in mail and parcel delivery services. PT Pos Indonesia is trying to improve the quality of its services to take back market share package delivery goods.

In an effort to improve service quality required a method of measuring the quality of service that can give an accurate quality assessment according to customer perceptions. Artificial Neural Network (ANN) is one part of data mining that can be used to measure quality. However, ANN has limitations in determining value of the parameters used.

This research aims to integrate Genetic algorithm and ANN to optimize value of parameters in order to obtain an accurate quality measurement results. Data quality assessment according to customers' perceptions obtained through surveys using questionnaires.

Quality measurement results using ANN-GA integration shows that service quality of parcel delivery PT Pos Indonesia as a whole has been good. In addition, the performance measurement results using the integration ANN-GA better than using ANN."