Print ...

Contributor...

  • Editor:

Path: Top > Makalah

APLIKASI algoritma genetik tanpa operasi crossover untuk pembelajaran bobot JST

Undergraduate Theses from JBPTUNIKOMPP / 2010-11-02 14:14:31
By : Muhammad Aria, ST; NIP : 41277004008, Dosen Teknik Elektro,Fakultas Teknik dan Ilmu Komputer,UNIKOM
Created : 2005-03-09, with 0 files

Keyword : bobot jst,algoritma genetik,crossover
Url : http://

Dalam sistem jaringan syaraf tiruan (JST), baik yang digunakan sebagai identifikasi maupun pengontrolan, tidak mudah untuk mendapatkan bobot dari JST yang dapat menghasilkan respon sistem optimal. Karena itu diterapkan algoritma genetik tanpa proses crossover untuk mendapatkan harga-harga bobot yang optimal dari JST.



Pengujuan dilakukan dengan program LabVIEW 6.1 dengan dua kasus. Pertama untuk menjadikan JST sebagai model dari sistem tangki ganda, Fungsi fitness dari pemodelan menggunakan JST diambil dari kemampuan JST untuk memprediksi harga keluaran sistem selanjutnya. Sedangkan fungsi fitness dari pengontrol JST diambil dari kemampuan JST untuk mengontrol sistem agar mencapai harga set poitnya.



Proses pembelajaran dilakukan dalam 50 generasi, dimana setiap generasi terdiri dari 0 kromosom dan sampling mutation sebanyak 50. Dalam pengujian ini telah dapat ditentukan bobot dari JST yang memberikan nilai RMSE untuk pemodelan menggunakan JST sebesar 2,6 dan RMSE untuk pengontrolan menggunakan ANFIS sebesar 1,6

Description Alternative :

Dalam sistem jaringan syaraf tiruan (JST), baik yang digunakan sebagai identifikasi maupun pengontrolan, tidak mudah untuk mendapatkan bobot dari JST yang dapat menghasilkan respon sistem optimal. Karena itu diterapkan algoritma genetik tanpa proses crossover untuk mendapatkan harga-harga bobot yang optimal dari JST.



Pengujuan dilakukan dengan program LabVIEW 6.1 dengan dua kasus. Pertama untuk menjadikan JST sebagai model dari sistem tangki ganda, Fungsi fitness dari pemodelan menggunakan JST diambil dari kemampuan JST untuk memprediksi harga keluaran sistem selanjutnya. Sedangkan fungsi fitness dari pengontrol JST diambil dari kemampuan JST untuk mengontrol sistem agar mencapai harga set poitnya.



Proses pembelajaran dilakukan dalam 50 generasi, dimana setiap generasi terdiri dari 0 kromosom dan sampling mutation sebanyak 50. Dalam pengujian ini telah dapat ditentukan bobot dari JST yang memberikan nilai RMSE untuk pemodelan menggunakan JST sebesar 2,6 dan RMSE untuk pengontrolan menggunakan ANFIS sebesar 1,6

Give Comment ?#(0) | Bookmark

PropertyValue
Publisher IDJBPTUNIKOMPP
OrganizationDosen Teknik Elektro,Fakultas Teknik dan Ilmu Komputer,UNIKOM
Contact Namedyah@unikom.ac.id
AddressJl. Dipati Ukur No.116 Lt.7
CityBandung
RegionWest Java
CountryIndonesia
Phone022-2533825 ext.112
Fax022-2533754
Administrator E-mailperpus@unikom.ac.id
CKO E-mailperpus@unikom.ac.id