Simulasi fungsi pencemaran NO2 dengan jaringan syaraf tiruan

DETAIL KOLEKSI

Simulasi fungsi pencemaran NO2 dengan jaringan syaraf tiruan

Oleh : R. Arya Sidharta

Info Katalog

Penerbit : FTI - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2001

Pembimbing 1 : Zacharias Santoso

Pembimbing 2 : Raymond Tarumasely

Subyek : Telecommunication - Electrical engineering;Neural networks (Computer science)

Kata Kunci : pollution function simulation, NO2, artificial neural network

Status Posting : Published

Status : Tidak Lengkap

File Repositori

No.	Nama File	Hal.
1.	2001_TA_STE_06294311_Halaman-Judul.pdf	13
2.	2001_TA_STE_06294311_Lembar-Pengesahan.pdf
3.	2001_TA_STE_06294311_Bab-1_Pendahuluan.pdf
4.	2001_TA_STE_06294311_Bab-2_Teori-Penunjang.pdf
5.	2001_TA_STE_06294311_Bab-3_Tinjauan-Data-NO2.pdf
6.	2001_TA_STE_06294311_Bab-4_Perancangan-dan-Simulasi.pdf
7.	2001_TA_STE_06294311_Bab-5_Kesimpulan.pdf	1
8.	2001_TA_STE_06294311_Daftar-Pustaka.pdf	2
9.	2001_TA_STE_06294311_Lampiran.pdf

Abstrak
Abstract

J Jaringan Syaraf Tiruan sebagai salah satu basil pengembangan dari sistemkendali dapat diaplikasikan ke berbagai sistem. Tetapi tidak semua plant cocok untuk diaplikasikan ke JST, sementara itu metode JST memiliki kelebihan dan kekurangannya masing-masing. Pada Tugas Akhir ini dibahas salah satu metode yang terdapat pada JST, yaitu metode Propagasi Balik. Pembahasan mulai dari tinjauan biologis syaraf, pemodelannya, sampai urutan kerja metode ini dijelaskan di sini. Pada Tugas Akhir ini, Jaringan Syaraf Tiruan digunakan untuk mendekati (meniru) fungsi yang ada pada pencemaran NO2 di suatu titik sampling di daerah Lebak Bulus, dengan menggunakan data dari BMG (Badan Meteorologi dan Geofisika).

A Artificial Neural Networks, as one of the developments in control systems, can be applied to various systems. However, not all plants are suitable for ANN applications, and ANN methods have their own advantages and disadvantages. This final project discusses one of the methods used in ANN, the Back Propagation method. The discussion, from a biological overview of neural networks and their modeling to the method's working sequence, is explained here. In this final project, an Artificial Neural Network is used to approximate (mimic) the function of NO2 pollution at a sampling point in the Lebak Bulus area, using data from the Meteorology, Climatology, and Geophysical Agency (BMG).