Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tujuan dari tesis ini adalah untuk berkontribusi dalam pengembangan sistem kecerdasan buatan (artificial intelligence) untuk memodelkan pergerakan saham yang bersifat tidak liner dan penuh ketidakpastian. Pendekatan yang digunakan adalah model Artificial Neural Network (ANN) metode Backpropagation. Sebagai pembanding, digunakan model multivariate ARIMA. Penelitian akan membuktikan bahwa model ANN dapat lebih tepat memprediksi pergerakan harga saham di Indonesia, khususnya saham-saham anggota indeks LQ45, dibandingkakan model multivariate ARIMA. Penelitian ini adalah penelitian observasi model. Penelitian menghasilkan kesimpulan bahwa model ANN signifikan secara statistik lebih akurat daripada model multivariate ARIMA.

---

The objective of this thesis is to contribute the development of artificial intelligence system in modeling stock price movement which highly non-linier and uncertain in nature. Our approach is using Artificial Neural Network (ANN) with Backpropagation method. In comparing the accuracy of the model, we use multivariate ARIMA method. This research intend to show that ANN model is more accurate in predicting Indonesian stock price movement, especially LQ45 index, compared to multivariate ARIMA model. This research is using observational method in selecting the best model. The result of the research is that ANN is statistically significant and more accurate compared to multivariate ARIMA model."

"Upaya untuk meningkatkan kepuasan dan loyalitas donatur serta untuk memandu perumusan perencanaan pengembangan organisasi, maka dibutuhkan strategi pengembangan donatur, adapun untuk melakukan strategi pengembangan donatur dapat dilakukan dengan pendekatan data mining yang meliputi pengelompokan donatur dengan metode clustering dan hasil pengelompokan tersebut dievaluasi dengan artificial neural network (multilayer perceptron), dan menggunakan metode association rules untuk menganalisa peta pemasaran serta dirumuskan strategi pengembangan donatur berdasarkan data transaksi dan visi misi. Hasil penelitian menyarankan bahwa manajemen hubungan lembaga amil zakat dengan donatur perlu dikembangkan sehingga terjalin komunikasi yang aktif antar keduanya.

---

Efforts to increase donor satisfaction and loyalty as well as to guide the formulation of organizational development planning, donor development strategy is required, as for donors to make development strategy can be done with data mining approach that involves the grouping of donors by the method of clustering and classification results were evaluated by artificial neural network (multilayer perceptron), and using methods of association rules to analyze a map of marketing and donor development strategies are formulated based on transaction data and the vision and mission. The results suggest that the management of relations with donor amil zakat institution should be developed so that active communication is established between them."

"Middle Baong Sand (MBS) merupakan reservoar penghasil utama minyak dan gas bumi disamping lapisan batupasir anggota Formasi Keutapang di Cekungan Sumatra Utara. Middle Baong Sand adalah kipas turbidit yang diendapkan pada lingkungan laut dalam yang diamati sebagai perulangan berkali-kali lapisan tipis batupasir dan serpih pada singkapan (outcrop). Batupasir kipas turbidit sangat susah ditebak ukuran, geometri, arah dan pola penyebarannya dari metoda interpretasi conventional. Studi ini bertujuan untuk membelajari variasi lithofasies, geometri dan distribusi spasial kipas turbidit Middle Baong Sand pada prospek ?Corundum? dengan analisis electro-fasies dan analisis multiatribut seismik dengan menggunakan pendekatan artificial neural network. Pendekatan artificial neural network untuk karakterisasi lithofasies dan dimensi reservoir Middle Baong Sand diterapkan pada 2 (dua) level data, yaitu (1) data open hole log sumur dan (2) multi-atribut seismik pada prospek ?Corundum?, Cekungan Sumatra Utara. Sumur eksplorasi Besitang-1 yang memiliki data lengkap dipilih sebagai training well sehingga hasilnya dapat dikalibrasi dengan data cutting, core, dan biostratigraphic, model Besitang-1 digunakan untuk memprediksi fasies batupasir pada sumur Ruby-1 dalam area study. Selanjutnya setiap fasies batupasir yang diperoleh pada Ruby-1 dipetakan melalui análisis multiatribut data seismik Corundum3D untuk mengidentifikasi distribusi lateral dan geometri batupasir anggota Middle Baong Sand. Dari studi ini diperoleh 4 (empat) fasies batupasir turbidit dalam area Corundum3D berturut-turut dari tua ke muda; (1) fasies batupasir-4 berbutir sedang ? kasar dengan kenampakan coarsening upward pada elektrofasies sebagai produk cannel fill, (2) fasies batupasir-3 berbutir sedang - kasar, (3) fasies batupasir-2 perselingan pasir halus - sedang dan lanau, dan terakhir (4) facies batupasir-1 diperoleh sebagai batupasir berbutir halus - lanauan pada sumur Ruby-1 namun ditemukan sebagai lobe turbidit di baratdaya sumur Ruby-1. Arah sedimentasi adalah dari Tinggian Malaka, fasies batupasir-4 yang paling tua provenannya dari arah baratlaut, berangsur-angsur bergeser searah jarum jam hingga provenan fasies batupasir-1 yang paling muda adalah dari arah utara. "

"Akurasi estimasi biaya konstruksi proyek jalan dalam tahap konseptual merupakan hal penting dalam proses perencanaan, pemrograman serta rencana studi kelayakan. Kesulitan-kesulitan yang muncul dalam menghitung estimasi biaya konstruksi dalam tahap konseptual diantaranya kekurangan sejumlah informasi awal, kekurangan basis data dari biaya pelaksanaan pekerjaan jalan, data-data yang hilang, metode perkiraan biaya yang tepat, dan sejumlah ketidakpastian. Biaya-biaya yang timbul dalam pengelolaan konstruksi jalan merupakan sesuatu yang 'noisy', yang diakibatkan oleh faktor-faktor yang tidak dapat diprediksi seperti judgement, fluktuasi harga pasar secara acak, dan kondisi cuaca. Artificial Neural Network (ANN) merupakan salah satu cabang dari Artificial Intelligence yang berguna dalam hal memecahkan masalah dengan meniru cara kerja otak manusia. Penelitian akan mengeksplorasi penggunaan teknik ANN dalam memodelkan estimasi biaya konseptual proyek konstruksi jalan. Pelatihan serta evaluasi kinerja untuk tiap model yang dibuat dilakukan dengan teknik heuristik dan trial error untuk mencari model yang tepat dan efisien dalam memprediksi estimasi biaya dari suatu pekerjaan konstruksi jalan dalam tahap konseptual. Model estimasi biaya berbasis ANN kemudian dikembangkan ke dalam suatu sistem prototype yang mampu mengestimasi biaya konseptual konstruksi jalan dengan akurat. Hasil estimasi dari sistem prototype menunjukan rata-rata kesalahan sebesar 11.44% untuk seluruh data pelatihan dan pengujian, dengan tingkat generalisasi prediksi lebih baik dibandingkan dengan keluaran Matlab.

---

Accuracy in conceptual cost estimation of highway construction is important to plan, program, and assess the feasibility of project. The difficulties arise in cost estimation as follow: lack of initial information and database of construction, lost of data, incompatible method of estimation, and uncertainties. Cost function in highway construction are very noisy caused by many unpredictable factors i.e. judgement, market price fluctuation randomly and weather condition.

Artificial Neural Network (ANN) is a branch of Artificial Intelligence which is very useful in problem solving by mimics the human brain function. This research explores the use of ANN to develop the model of conceptual cost estimation in highway construction. Training and performance evaluation have been performed by heuristic and trial-error to find the fit and proper model in cost prediction of conceptual stage.

Cost estimation model base ANN technique is developed into prototype system that could estimate the conceptual cost of highway construction accurately. Estimation result of prototype system shows average error reach 11.44% for all training and testing data where generalization of prototype system output is better than Matlab."

"Pengembangan dan pemanfaatan bahan bakar cair alternatif seperti biodiesel dari mikroalga menjadi perhatian utama oleh banyak kalangan. Hal tersebut disebabkan oleh peningkatan kebutuhan bahan bakar minyak (BBM) disaat kondisi cadangan dan produksi minyak yang terus menyusut dan pemanfaatan BBM yang berdampak terhadap pemanasan global. Penelitian bertujuan untuk mengetahui produktivitas biomassa Synechococcus HS-9 sebagai kandidat bahan baku yang potensial untuk menghasilkan biodiesel, mengetahui pengaruh hidrodinamik terhadap proses pertumbuhan Synechococcus HS-9 selama proses kultivasi, proses optimasi mulitiobjektif untuk mendapatkan konsentrasi biomassa dan efisiensi energi yang optimal, serta mengetahui potensi dampak lingkungan melalui analisis LCA. Proses kultivasi Synechococcus HS-9 dilakukan menggunakan Rectangular Airlift Photobioreactor Using Baffles (RAPBR- Bs). Data gambar dan video gelembung di dalam RAPBR-Bs diambil dengan menggunakan high speed camera Fastec TS5 untuk keperluan analisis hidrodinamik. Optimasi multiobjektif dilakukan dengan menggunakan Artificial Neural Network (ANN) dan Multi-Objective Genetic Algorithms (MOGA). Analisis LCA menggunakan software LCA GABI versi 10.5.1.124 commercial license dan database Ecoinvent 3.7.1. Berdasarkan analisis data hasil eksperimen diperoleh hasil proses kultivasi Synechococcus HS-9 berupa biomassa kering sebesar 3,226 g dengan produktivitas biomassa 0,0117 mg/l/hari dan laju pertumbuhan sel sebesar 0,012 per hari. Parameter hidrodinamik seperti propertis gelembung, yaitu kecepatan gelembung, diameter gelembung, bilangan non dimensional, superficial gas velocity, bubble rise velocity, dan gas holdup, serta proses perpindahan massa yang terjadi di dalam RAPBR-Bs sangat berpengaruh dan meningkatkan proses pertumbuhan Synechococcus HS-9 selama proses kultivasi. Hasil optimasi menggunakan ANN-GA diperoleh nilai optimum target, yaitu konsentrasi biomaas (C)= 4,61x10-5 mg/ml dan efisiensi energi (ղ) = 0,043 %. Nilai target tersebut paling optimum pada nilai input T = 29,7 0C; I= 254,7 μmol m-2s-1; pH = 8,6; CO2 = 83,4 ppm; ORP =149,1 mV; dan DO =6 mg/l. Analisis LCA yang dilakukan selama proses produksi biomassa Synechococcus HS-9 menunjukkan penggunaan listrik dan kompresor berkontribusi paling tinggi terhadap dampak lingkungan. Proses produksi biomassa kering Synechococcus HS-9 menyebabkan dampak terhadap lingkungan sebesar 8,38x10-9 Pt. Lima kategori dampak yang merasakan secara signifikan, yaitu Marine Aquatic Ecotoxicity Potential, Human Toxicity Potential, Freshwater Aquatic Ecotoxicity Pot, Abiotic Depletion, dan Global Warming Potential (GWP 100 years).

---

The development and utilization of alternative liquid fuels such as biodiesel from microalgae is a major concern for many people. This is due to the increasing demand for fuel oil when the condition of oil reserves and production are shringking and the use of fuel oil has an impact on global warming. The aims of the study were to determine the biomass productivity of Synechococcus HS-9 as a potential raw material candidate to produce biodiesel, the effect of hydrodynamics on the growth process of Synechococcus HS-9 during the cultivation process, the multi-objective optimization process to obtain optimal biomass concentration and energy efficiency, and the LCA analysis. The cultivation of Synechococcus HS-9 was carried out in a Rectangular Airlift Photobioreactor with Baffle (RAPBR-Bs). For hydrodynamic analysis, image and video data of bubbles in the RAPBR-Bs were taken using a Fastec TS5 high speed camera. Artificial Neural Network (ANN) and Multi-Objective Genetic Algorithms (MOGA) were used for multi-objective optimization. LCA analysis was performed with the LCA GABI software version 10.5.1.124 commercial license and the Ecoinvent 3.7.1 database. Based on the analysis of experimental data, Synechococcus HS-9 cultivation process produced 3,226 g of dry biomass with a biomass productivity of 0,0117 mg/L/day and a cell growth rate of 0,012 per day. Hydrodynamic parameters such as bubble properties, such as bubble velocity, bubble diameter, non-dimensional number, superficial gas velocity, bubble rise velocity, and gas holdup, as well as mass transfer processes that occur in RAPBR-Bs, have a large influence on the growth of Synechococcus HS-9 during cultivation. Optimization results using ANN-GA obtained the optimum target value, namely biomass concentration (C) = 4,61x10-5 mg/ml and energy efficiency (ղ) = 0,043 %. The target value is the most optimum at the input value T = 29,7 0C; I= 254,7 μmol m-2s-1; pH = 8,6; CO2 = 83,4 ppm; ORP = 149,1 mV; and DO = 6 mg/l. LCA analysis conducted during the Synechococcus HS-9 biomass production process showed that the use of electricity and compressors contributed the most to the environmental impact. The dry biomass production process of Synechococcus HS-9 causes an environmental impact of 8,38x10-9 Pt. Five categories of impacts that felt significantly, namely Marine Aquatic Ecotoxicity Pot, Human Toxicity Potential, Freshwater Aquatic Ecotoxicity Pot, Abiotic Depletion, and Global Warming Potential (GWP 100 years)."

"Sistem perpipaan merupakan salah satu yang sering digunakan diindustri seperti industri petrokimia untuk mentransmisikan bahan dasar berupa minyak, air maupun gas. Jenis pengelasan yang cocok untuk sistem perpipaan adalah pengelasan pipa orbital. Dalam penelitian ini dilakukan pengelasan pipa orbital dengan pengelasan Gas Tungsten Arc Welding (GTAW) tanpa logam pengisi (autogenous) pada pipa baja tahan karat tipe SS316L. Dimensi dari material uji adalah diameter luar 114 mm dan ketebalan 3 mm. Empat metode pengelasan diterapkan untuk mencari metode yang terbaik untuk menghasilkan kualitas lasan. Metode pengelasan diantaranya metode konvensional, arus pulsa, urutan pengelasan dan kontrol artificial neural network (ANN). Keempat metode ini dilakukan dengan alat pengelasan pipa orbital secara fully mechanized yang dijalankan oleh operator las. Kualitas hasil lasan meliputi geometri las (lebar manik dan kedalaman penetrasi), distorsi pada pipa, struktur makro, struktur mikro dan sifat mekanik (kekuatan tarik dan kekerasan mikro). Tahap pertama membandingkan pengelasan dengan metode konvensional dan kontrol ANN terhadap kualitas hasil lasan. Kemudian tahap kedua adalah membandingkan pengelasan dengan metode arus pulsa, urutan pengelasan dan kontrol ANN. Terakhir adalah mencari metode pengelasan serta parameter pengelasan yang optimal untuk menghasilkan kualitas lasan yang optimal.Hasil penelitian ini menunjukkan bahwa pengelasan dengan metode kontrol ANN lebih baik daripada metode konvensional. Dilihat dari segi lebar manik lebih stabil dengan metode kontrol ANN yaitu 10±0,6 mm. Tetapi untuk kedalaman penetrasi lebih baik menggunakan metode konvensional. Kemudian untuk distorsi yang terjadi lebih kecil menggunakan metode kontrol ANN yang kurang dari 200 µm. Struktur mikro yang terbentuk untuk kedua metode ini hampir sama untuk daerah tengah lasan. Kekuatan tarik maksimal untuk setiap posisi pipa lebih stabil menggunakan metode kontrol ANN. Sedangkan kekerasan mikro lebih kecil jika menggunakan metode kontrol ANN.Perbandingan kualitas hasil lasan dengan metode arus pulsa, urutan pengelasan dan kontrol ANN menunjukkan bahwa metode kontrol ANN lebih baik dalam beberapa aspek. Aspek lebar manik menunjukkan metode kontrol ANN menghasilkan lebar manik yang lebih seragam yaitu 10±0,6 mm. Namun untuk kedalaman penetrasi lebih baik dengan metode arus pulsa. Distorsi pipa dengan metode kontrol ANN juah lebih kecil dibandingkan dengan kedua metode lainnya. Selanjutnya untuk struktur mikro yang teramati tidak jauh berbeda antara ketiga metode pengelasan. Kekuatan tarik maksimal untuk metode kontrol ANN lebih stabil untuk setiap posisi pipa dan kekerasan mikro terendah terjadi di daerah lasan dengan metode kontrol ANN.Metode optimasi yang diterapkan adalah response surface method (RSM) dan Taguchi method. Selain itu digunakan juga analysis of variance (ANOVA) untuk mengetahui tingkat signifikasi parameter pengelasan. Respon dari optimasi adalah kekuatan tarik yang maksimum, distorsi pipa yang minimum dan lebar manik yang ditargetkan 10 mm. Hasil metode optimasi menunjukkan bahwa metode kontrol ANN menghasilkan kualitas lasan yang paling baik diantara metode pengelasan lainnya. Metode kontrol ANN dengan parameter arus pengelasan 106 A dan kecepatan awal pengelasan 1,5 mm/d dapat menghasilkan kekuatan tarik maksimum sebesar 670 MPa, distorsi melintang, distorsi aksial, keovalan dan tapers masing-masing adalah 126 µm, 252 µm, 94 µm dan 168 µm serta lebar manik sebesar 9,97 mm.

---

The piping system is one that is often used in industries such as the petrochemical industry to transmit basic materials in the form of oil, water and gas. The type of welding suitable for piping systems is orbital pipe welding. In this study, welding of orbital pipes with Gas Tungsten Arc Welding (GTAW) welding without filler metal (autogenous) was carried out on stainless steel pipes of type SS316L. The dimensions of the test material are 114 mm outside diameter and 3 mm thickness. Four welding methods were applied to find the best method to produce quality welds. Welding methods include conventional methods, pulse current, welding sequences and artificial neural network (ANN) control. These four methods are carried out with an fully mechanized orbital pipe welding device operated by a welding operator. The quality of the welds includes weld geometry (bead width and penetration depth), pipe distortion, macrostructure, microstructure and mechanical properties (tensile strength and microhardness). In the first stage, comparing welding with conventional methods and ANN control on the quality of the welds. Then the second stage is to compare welding with pulse current method, welding sequence and ANN control. The last is to find the optimal welding method and welding parameters to produce optimal weld quality.

The results of this study indicate that the welding with the ANN control method is better than the conventional method. In terms of bead width, it is more stable with the ANN control method, which is 10±0.6 mm. But for the depth of penetration it is better to use conventional methods. Then for smaller distortion, use the ANN control method which is less than 200 m. The microstructure formed for both methods is almost the same for the center of the weld. The maximum tensile strength for each pipe position is more stable using the ANN control method. While the micro hardness is smaller when using the ANN control method.

Comparison of weld quality with pulse current, welding sequence and ANN control method shows that the ANN control method is better in several aspects. The bead width aspect shows that the ANN control method produces a more uniform bead width of 10±0.6 mm. However, the penetration depth is better with the pulse current method. The pipe distortion with the ANN control method is much smaller than the other two methods. Furthermore, the observed microstructure is not much different between the three welding methods. The maximum tensile strength for the ANN control method is more stable for each pipe position and the lowest microhardness occurs in the weld area with the ANN control method.

The optimization methods applied are the response surface method (RSM) and the Taguchi method. In addition, analysis of variance (ANOVA) is also used to determine the level of significance of welding parameters. The response of the optimization is maximum tensile strength, minimum pipe distortion and a targeted bead width of 10 mm. The results of the optimization method show that the ANN control method produces the best weld quality among other welding methods. The ANN control method with a welding current parameter of 106 A and an initial welding speed of 1.5 mm/s can produce a maximum tensile strength of 670 MPa, transverse distortion, axial distortion, ovality and tapers respectively 126 m, 252 m, 94 m and 168 m and a bead width of 9.97 mm.

"

"Dalam dunia sekarang ini pemodelan sistem menjadi hal yang penting dalam pengembangan dunia teknologi. Berbagai cara telah dilakukan untuk membuat algoritma pemodelan sistem yang baik dan tantangan yang dihadapi pun semakin banyak. Salah satunya tantangan yang perlu dihadapi adalah adanya sistem yang kompleks. Dalam contoh praktis, penggunaan model sistem multivariabel dalam menggambarkan sistem sungguhan sudah menjadi hal yang umum untuk memenuhi tuntutan zaman. Salah satu usaha untuk dapat memodelkan sistem multivariabel adalah dengan menggunakan algoritma machine learning dengan struktur artificial neural network. Algoritma ini memiliki kemampuan untuk dapat meningkatkan performanya secara otomatis sehingga diharapkan dapat membangun pemodelan yang terbaik untuk sistem yang ingin dimodelkan secara otomatis juga sehingga dapat memudahkan kerja manusia tanpa harus membangun persamaan matematis secara manual terlebih dahulu. Studi ini ingin memelajari hasil yang didapatkan dari percobaan pemodelan sistem dinamik pesawat terbang dengan menggunakan artificial neural network dan menjadikan hasil studi tersebut bahan pengembangan lebih lanjut dalam teknologi pemodelan sistem menggunakan artificial neural network.

---

In the modern world, system modelling becomes an important part of technology development. Various ways have been done to create good system modelling algorithms and with that more and more challenge comes. One of the challenges that need to be faced is the existence of complex systems. For example, using multivariable system model to represent real world system is becoming common nowadays to fulfil demands. One effort to model a multivariable system is to use machine learning algorithms with artificial neural network structures. This algorithm has the capability to be able to improve its performance automatically so it is expected to build the best model parameter for the system that wants to be modelled. Also, this helps to make modelling easier for human without having to build a mathematical equation manually first. This study wanted to present the results from experimental modelling of aircraft dynamic systems by using artificial neural network and with that contribute to the development of system modelling technology using artificial neural network."