Anda di halaman 1dari 8

tr

PERAI{

TEl([{OLffi DI EM GL0BALISASI
$ub Therna : Teknologi Tepat Guna Untuk ilrleningkatkan Daya$ainb Teknologi di fra Globdlisasi

Keyn*fi* sft

ilR. ilr. Att


- Ksn$uftnn S - Pensliti Senl - Ketu* Fr*sldi Ketua il*w*n'

$abtu, ?T' Fehrufrri fr#1il Gedung $*l*cta, JL Listrik N *. ? Mednn

Fensrbit:
tT

ffi

tl Ril FUHLII{A$I t}AH nSKUhlffi'tTA$t F*STNUT TEKNoLoGI MEDAN


Jl. Gedung Arca f'lo, 52 ftfiedan - 2021I
Telp. {SSt } 7347913, ?3S3771 . Fax. {0St } 7347S53

Seminar Nasional : Pefun Teknologi di Fra Globalisasi

ISBN No. : 978-502-96423-0-3

Daftar lsi

PANITIA MEDAN SUSUNAN KEPANITIMN SEMINAR NAS'ONAL


KATA PENGANTAR KETUA SAMBUTAN REKTOR INSTITUT TEKNOLOGI DAFTAR ISI

Hataman

ii

iii
iv
I

I'

AbdulAziz
Afritha

Perbandingan Kinerja Mekanis Konduktor ACRS dan TACSR Terhadap Perubahan Arus Saluran pada SUTT 150

2. 3' 4. 5.

Amelia Said

KV Dengan Bantuan Matlab


Penjadwalan User Adaptif Unhrk Sistem OFDM
Pada Kanal Gelombang

Downlink

6
14

Aja Avriana
Azmalina

Milimeter Minimalisasi Kadar Pengotor Pada Limbah Cair

PKS

Irfan
Dedy

Adriani Mustafa

Dengan Teknologi Membran U.ltrafiltrasi

Peranan Asam Akrilat Terhadap Kompatibilitas


Pengisi Cangkang Sawit

Polipropilena dan Karet Alam Sir-20 Dengan Bahan Pembuatan Sistem Informasi Pohon
Terkomputerisasi Pada PPKS Marihrat

Poliblen

22

Hartama Muhammod Syafii 6. Ed.y Susanto 7. HelmaWidya Alam, Pranatha 9. Hermansyah Alam
8.
L,egiman

Induk (Sipoin)

27

Perpindahan Panas Kondensor Menempel pelat Vertikal


Secara Open Channel

Kajian Eksperimental Pengaruh Gap Ratio Terhadap


lnrplementasi Neuro Fuzzy Untuk Memprediksi

32

Tenaga

35

'-. Hermansyah

Kerja di Propin:si Sumatera Utara

Pengompresan Sinyal Gambar Dengan Menggunakan 39


Wevelet

Prediksi Runtun Waktu Beban Listrik Sumatera Utara 44


Dengan Neuro Fuzry

10.
I

l.

Irfan Mustafa Ilham Maulana


Muhammad

Preparasi Cu-Hidrotalsit Dengan Metode Impregaasi 50


Sebagai Potensi Katalis Reaksi Transesterifikasi

Isya

Pemanfaatan Limbah BFA Sebagai Adsorben Untuk 56 Menurunkan Kadar COD, BOD, ph, pada Limbah Cair
Tahu

12. 13.

Janter

Napitupulu Sembiring

Pengaruh Pengendalian Putaran Motor Induksi

Terhadap 65
69
7S

Besaran Kebutuhan Daya Reaktif Sistem Ketenagaan

Jhony Hartanta

Color Detection Mobile

Robotic

14.

Saleh Sinurat 15.. Syafii Hartama 16. MahyuzarMasri Khudri Lubis 17. Mahrizal Masri Pardamean Sinurat lE. lVluhammad Taulik
l(hairul
lPardamean lVluhammad Dedy

R. Bagus lwan Dwi S.

Analisa Aliran Daya Dengan Metode Newton-Raphson


Menggunakan Program Etap

IMPLEMENTASI l\lobile EDU Berbaris Short


Service (SMS) pada amik tunas bangsa

Message 8l
85 93

Penggunaan Jaringan Syaraf Tiruan Untuk


Investasi PMDN Propinsi Sumatera Utara

Memprediksi
Trasients

Analisis Aliran Daya Metode Fast-Decoupled


Menggunanakan Program
Analyzer Program)

Etap @lectrical

re.
:0. :L

Musrafa
Panca Nugrahini

Blending Daun Alang-Alang (Imperata cylindrica)

dan

99
106

i,:ftr[ttrRi!r*ffif,f"'"l,ji#i,#511,,
Penghilangan Kadar Fe dalam

Febriningrum

Air

Produksi Etanol Proses Sinambung

".,"0 Sebagai Alternatif 113


Lisfik Dengan I19
129

proses

Pardamean

Sinurat

::. Ramayana
13. Rasmi Sitohang
.lnntcr Nnpitupulrr

Pengganti Bahan Bakar Minyak Optimasi Daya Reaktif Pada Sistem Tenaga Menggunakan Program Etap

Nilai Investasi dan Kinerja Penyulingan Minyak Nilam


Pada Beberapa Tipologi Sistem Penyulingan

Di Kabupaten

Aceh Barat
Pengaruh Intensitas Cahaya Terhadap Produktivitas

Kerja

133

ilrnrt,,r.,,'It:knologl Medan (lTM

tv

hmirnlumm' hasfrona

I : peran"Teknolclgi

di Era Globalisasi

ISBN No. : 978-6o2-96473-0-3

PREDIKSI RUNTUN WAKTU BEBAN LISTRIK SUMATERA UTARA DENGAN NETJRO FUZZY
Henmansyah Alam
Herman s_itm @yahoo. co. id Jurusan Teknik Elektro ITM Gedung Arca no. 52Medan

Abstrak
Dengan melihat perkembangan jumlah manusia di dunia terutarna di Indonesia yang sangat lhminn'mgrn kebutuhan manuiia akan kehidupan yang layak lengkap dengan saftma-sarana yang -delsan rl![@ c'n berbasis teknologi.Salah satu sarana yang sangai di butuhkan miousiu aatim pert emb""t;;ni; dj

lMsru,Ji

tangani oleh pLN.

Beban listrik adalah suittu hat yang sangat mutlak dalam suatu system tenaga listrik. LJrArk lebih mmrmalkan hasil yang akan diperoleh dalanr prediksi beban listrilqdi sini penulis menggunakaen metode fuq dengan menggunakan program Matlarb. Perhitungan untuk menganalisa besar beban listrik sangat diperlukan agar tidak terjadi hal-hal yang dii4ginkan' diperolehnya besat beban listrik yarg tJrbentuk,kita aap-at memat#ya s"lagai ucu* ?"uqq mpersiapkan kebutuhan beban listrik untuk hari-hari uirititnya.

hnci:

Neuro, Funy,AI\fFIS, Runtun Waktu

FWrhuluan

]ruilnn perkembangan pembangunan sekarang mr udepas dari teknologi 'kelistrikan dan itu ilMfilMuu@ffim salah satu pe^^Jukung perkembangan gr dan industri. Sehingga akibat perkembangan Esuman maka kebutuhan akan listrik semakin S;ffi baik rumah tangga, industri, tempat-tempat ;rilrsJrt per.relanjaan, sosial, dan pemerintahan
rffifr|fuilfrfr

Gambar

1- Diagram umum prekditor adaptif

lffitl,"rrn

selalu mengalami kenaikdn akan kebutuhan

m.rohEristik dari permintaan energi lsitrik kadang

mbuat

usaha tersebut

sulit

hasil yang trebaik dari input xk jika nilai K


progresif untuk memprediksi x* yang tergantung dari pengaturan Hk merupakan transfei n ngsi terdan{ blok-blok berbeda dari diagrarn yang dapat diamati,selanjurnya diolah oleh suanr iopii
semaKin bertambatr rnaka systern ueta;ar clengan

adalah batas isyarat random frekuensi, ).fr adalah

Prerlictor adaptif pada gambar Z-l memberikan unjuk kerja yang bentuk gelombangnya konstruksi derta digital input xk

dipenuhi.

pertumbuhan beban dan usaha untuk mu siklus beban harian dan beban tahunan mumnuaskan merupakan dua kesulitan yang
uim,mi. Pertumbuhar rirto-rata konsumsi

listrik di Mengingat untuk Wm suatu pusat pembangkit energi listrik

iap tahun bertambah.

adaptif yang secara otomatis meyusuaikan

'ffakni 8 sampai 10 tahti-ll,maka para sistem harus melihat kemungkinan-

tangkapan impulsnya melalui alogaritma leastsquares seperti LMS yang menangapi suatu galat

perkembangan sistem tenaga l0 sampai m[um firedepan. Hal tersebut diperlukan agar rudilrtru untuk memperkirakan dan memperbaiki
mnm

isyarat tergantung keluaran

yk dihasilkan dan

z-M adalah merupakan delay sebagai nentang


waktu pada runtun waktu yang akan diprecliksi. Ketika disesuaaikan sedemikian
hingga E

dalam perspektifjarrlika panjang.

r,r-ndesnn Teori

Dnn Analisis Runtun Waktu

)tr*inimasi,maka ELW - - YK)t :usa terminimasi jika ketriaran J Yk adalah estimasi least-sguares tertlaik maka
hasil keluaran terkecil yang mungkin adalah
dapat
:

bt

,ffimruka runtun waktu juga


nmmilm Fra

h mnodel system yang terungkap melalaui


nrmn

ikan hubungan dinarnis antara dua atau waktu yang saling berhubungan sehingga

Er,*b']=E[s']
Ketika hal
EVx *

(t)
dapat

dengan satu isyarat sebagai masukan dan sebagai keluaran seperti yang digambarkan

ini

dicapai
S

YKF J= o.Matra,yr = X xdAn 5' :=

"iiiiln@bgl Medan (lTM)

44

Serninar Nasional : peian Teknologi di Era Globalisasi

_,

ISBN No.

:978-602-96473-0-3
j
I

2.2. Pemodelan AI\IFIS

{a,b,c} adala}r himpunan pararneter .paranxeter


dalam lapis ini disebut

Adaptive neuro fuzzy infprence system (ANFIS) adalatr jaringan adaptive yang berbasis pada system

premis:
ini

inferensi fvz4.paremeter ANFIS dapat dipsahkan


menjadi dua, yaitu parameter premis dan konsekuensi : ag dapat diadaptasikan dengan pelatihan hybrid

"'T "::':::*T: -'i::

barik

berlabel dengan keluar-annya adalatr produk semua sinyal yamg

ffi'noo"
oz,,

pada lapis

adalatr node tetap

dating

dari

I I
I
I

=wi =Ai (x)u,$t\i

=t,z (4)

Setiap keluaran node dari lapis

ini menyatirkan I

;:":*"dariaturan Setiap node pada lapis ini adalah node tetap


berlabel N.node

I menghituig rasiO dari kuat penyulutan aturan i terhadap jumlah k*t I penyulutan dari semua aturan. I
ot.,

I I

* ,i =1,2 (5) =i =wt+w2


ini adalatr

Keluaran lapis ini disebut kuat penyulutan ternormalisasi.

I I I I

Lapis.
Setiap node pada lapis dengan fungsi node

node adaptif

I I

-!-f'*-'l' rtr + lJ2

Gambar 2"b. Mekanisme penalaran untuk model


sugeno

Dengan
Wi : 5

Ot.,=i,.f,=w,(p,x+q

(6) y+.r,)
dsri

I
I

kuat penyulutan ternornnalisasi

Arcitektur ANFIS sugeno terdiri atas lima lapis,dan setiap lapis terdapat node.terdapat dua macam node

FXJi.i"r.. ini.parameter pada lapis ini ,riseuur


Farameter

yaitu

node adaptif Oersimbol kotak) dan node tetap (bersimbol lingkaran).Fungsi dari setiap lapis adalah sebagai berikut :
tr

konsekuensi'

Lapis

setiap node
Or,, =Ai

i pada tapisl ini adalah node adaptasi


clan

I I I keselwuhan sebagai penjumlatran semua sinyd I yangdating. I


Lapis

Node tunggal pada lapis ini adalah node tetap berlabel f yang menghitung semua keluaran

dengan fungsi node sebagai berikut.

(*\t"ruk i =1,2
(yfu"tuk i

os,i=I
e)
(seperti .besar'

Or,, =bi-z

=3,4

n,=+#

e)

Dengan x (atau y): masukan ke node i

Ai (x) atau R,_, (y): label linguistic

atau 'kecil') yang terkait deng,an node tersebut.

O,. : derajat keangotaan himpunan turzy Ar, A,


atau B,

].r.#,",*"-rPenelitian
Materi yang digunakan dalam peneliltian irr;

,Ijz

Fungsi keanggotaan untuk misalnya fungsi bel umum:

dapat diparameterkan,

pn{i----l
r*lL9l" r'l q
I

(3)

I adalah: I l. Data histories yang merupakan data sekunda I beban harian pemakaian listrik ya-ne I bersumber daxi PLI{. 2. Penentuan data untuk peletihan dan pengujitu I | yang mempunyai hubungan sebah I akibat,berdasarkan matriks baris dan kolom. I

Dengan

' ffisi"ff*trffirl:'L#"Tl

lnstitut Teknologi Medan (tTM)

ffiiilfllltlililll]nillll' {th;,iilr;rr

'',8 |

I FeEn TeknOlOgi di Era GlObaliSaSi

ISBN No. : 978-6o 2-96473-0-3

ilril;iJilffi(:

;ili.ffffird8fi"[aan)
"l*'"ff':,*:f ;L"IT
:;;;il;,, 4*rf,m Pe"n *',i,fli.

flengan membership function (fungsi

tipe kurva bentuk


e).

trapesium

Alfl

elitian

,,"ug digunakan untuk analisis,komputasi dan ""ii;ir prcgram adalah seperangkat laptop, yang mmmulirrrrrrrr w' alles 2 aspetq yaitu perangkat keras 6nor7 ,:xH* ne.rangkat lunak (soft ware). Alat penelitian &ffiun l;-rnanfaatkan dalam penelitian ini adalah : ir,ff' -lrt laptop dengan spesifikasi Intel pentium
llllllmllllllllllL.' *mr/ulnr,,,',r,, "tttiltltrlllllllllli

menyeluruh terhadap hasil analisis, termasuk variabel bebas dan varibel tidak bebas.

perangkat lunaknya MATLAB 6.0.Kemudian menentukan model terbaik; sekaligus membandingkan besarnya residual antara nilai actual terhadap hasil prediksi yang akan dilakukan. selanjutnya melakukan kaj ian

:*ffir::,o cuo 1,66 Ghz dan

Cannon Ip- I 3 00. h':'**arn lv{atlab versi 6.0 sebagai perangkat lunak ,"y*,{ b'erguna untuk komputasi analisis data :i&:',tl:: a:::i s, statiska" simulasi darr pemodelan.
trn*,lilil;lm

rm***r:py.

Rau

l022lvlb

dan

n Pen el itian

i,rl{lllilll

lnil-

E;al:an penelitian yang digunakan dal;un tugas ::-l .e,,,jalah:


Bu-hru
J

*, 'ii

r-rn:al
isan.

teks yang adakaitannya dengan tulisan ilmiah yang ada kaitannya dengan

AnaBair gr6rubahrln bebsn Dcrrgnn mengtrnaken motodc

n.rl
S

inrs internet

wwvy.google.con yang

':'erkaitan dengan tulisan.

D'era penelitian yang dianrbil dari pT.pLN rpersero) p3B unit pengatur Beben (upB)
S
r

:rn

atera.

,,,"..,,,,ltu

'*

ri,u

bel perhitungan

Gambar 3. Diagram alir jalan peneritian

rllllilllllll"rl"',*
illilillililllli,,,*,

ll- nruk mempeirnudah dalarn penelitian maka l,-r,.tZ.hui t''ariabel yang a,<an <liamati dalam :,:ti: en ini,yaitu sebagai berikut: Besar beban harian dari tahun 2000 sampai

4.

Hasil dan pembahesan

:008

4.l,Penyusunan predik$i il)atn Beban Listrik


dijelaskan dalam BAB J'II dapat disimulasikan dengan langkah-langkah sebagai berikut: Menyusun empat data (D : 4) sebagai masukaur,tunda;m wakfu (A: 7) dan p adalah waktu yang akan diperidksi,sebagai keluaran dengan vector : [{x(t -21),x(t _ i+;,*(t _ 7),x(t + 7)l; Memebrikan dua fungsi keanggotaan (Ivlr; 2dengan epoch 100 Membandingkan tipe fungsi keanggoftnn yang terbaik Ptediksi beban listrik (4,7,7)dan (4,4,10)
Rerdasarkan jalan peneritian yang terah

Besar beban peramalan


sampai 2008.

dari tahun

2000

;;,,,.s,,,llntrnn

Penelitian

I.

mmrrlrm'm;*;ung

-nngkah-langkah yang akan dilakukan dalam pada penelitian ini agar mencapai sasaran 'rrrur,b i rruju sesuai dengan judul diatas maka perlu
sd.r bahan
S;:.r

illilllruiil*

dilakukan untuk mendapat gambaran ;':i:i r-ir1 dan dasar teori yang telah disusun clalam r-oendukung penelitian ini.Studi pustaka ini n,dapay dari perpustak;aan dan referensi i,il&ntaranya buku-buku yang menunjang dalam
:en
e I i ti

isi ini

penelitian sebagai berikut i i Pustaka

2. 3. 4.

adalah data yang akan di analisa

:,,

:,engumpulan Data 3 e'ngumpulan data dilakukan bersumber dari p.T p Lli (Persero) p3B sumafi.a unit pengatur.ar :eban Sumatra utarq yang dinrulai dari tanggal 0l
, Enuari

: t,c nnasi-informasi melalui internet.

an ini, j urnal-j urna l., l iterature- l iteratur serta

Prediksi beban listrik yang akan di analisa yaitu dengan menggunakan tipe tmrpesium yakni dengan prediksi heban listrik (4,4,7)
dengan (4,4,10).

4.),Predil$i Beban Lisfrik


Fungsi Keanggotaan

(4r4r7,1 Dengan

jara sekunder. Data ini akan diidentifikasi, :ilanjutkan pengolahan data, agar siap untuk rlts"nalisis dengan metode Neuro Fuzzy, )'ang
Teknologl Medan (lTM)

2000 s/d24 Agustus 2008 yang merupakan

Tipe Trapesium
clengan

Berikut ini gambar RMSE pelatihan fungsi keanggotaan Tipe Trapesium:

lttlrumli:"'-lt

46

Sieminar Nasional : Peran Teknologi di Era Globalisasi

ISBN No. : 978-602-96473-0-3

, .,,.

Gambar 4. RMSE

,: .r

.i.;

.,1.,

',.,,Ep9ch,...' ,. .

70 il

s'

,,,;.

' 'li'tt'tl1i

!,ffi
"

Pelatihan Keanggotaan Tipe TraPesiurn

Dengan

Fungsi

Gambar

,,

l,

8. Galat Prediksi

50CI ': 1r'Il0 , ,'1S. ",'.:"I !qp, ',.; , :lffi ' ' ,' pypfUnWqhlti (ltgp) ,,t: , ,:','ii',.'

P@',,

Dengaan

Fungsi

Keanggotaan Tipe Ttapesium


'' t' t " "t:"'lt.'" 't'.

-_

lhecking Error

I
l,,,ilif/futil/,;

., ,1,,,,'. ;,,t1 , 10,, , An ,'. 3O, 40 ...:.].,.i.,]':....

EO

7Am
Dengan

90 '

_J., ..lm

1 ':,rr, :' r,,.,5,lOrmrlicrgi

geOrn:Cietrit';r.'

, ,..,.1, ,i.i,,,.:.nirit.]ii.NOrmitiff*.Uin:Uetrik:".

RMSE Pengujian Keanggotaan Tipe Trapesium Gambar

5.

Fungsi

Gambar 9" Fungsi Keanggotium Masing-masing


Input Tipe Trapesium

4.2.2 Prediksi Beban Listrik

(414,10) Dengan

Fungsi Keanggotan Tipe Trnpesium

7080s
Dengan Kean3gotaan Tipe Trapesium
*Targe.l

Output /rNFlS

t0

E6

E'
t
a

65

6 !lr'

s1
E'

't
2

lru

, 15ffi ,

20ffi

25m

3m
, .',: .,::r
l

Gambar "l . Target dan Output AII{FIS Beban Lisrik


Tipe Trapesium

Gambar 11. RMSE Pengujian Dengan Fungs:


Keanggotaan Tipe Trapesium

lnstitut l-eknologi Medan (lTM)

,I7

i,'prlinar Nasional : Perd,m'Teknologi di Era Globalisasi

ISBN No. : 978-6o2-90473-0-3

0.07

BS

5. l.

Kesirnpulan Berdasarkan

?
.: F

0.05

hasil penelitian maka


:

dapat

dibuat kesimpularr sebagai berikut

ao04

t t
J

Fengujian peramalan dilakukan dengan

F 3,@
F

g 0e
0.01

beban listrik pada PT. pLN (persero) Iil/ilayah Sumatera Bagian Utaril, Unit Penyaluran dan Pusat Pengaturan Beban
(P3B).
''

menggunakan data akrual dari pemakaian

0l

'

' 10,n t,,, ,,'

llambar 12. Ukuran Langkah


I , t:j -: it:,:::, : : I :.irr;,i,: . :t.-:::iii.: . .n: r'_

6t] ,, t., ,,,,...,r,:.,.., ,.1,,i-,'Epoclr.,,..t,,

--l--J-

50

2. Neuro W 3.

dapat digunakan

untuk

r.

:anggotaan Tipe Trapesium

memprediksi pemakaian beban lisrik yang menggunakan model matematis yang disebut dengan Data Berkal a (time series).
Parameter-parameter yang diperlukan oleh

sistem adalah: : Jumlah Sampel yang di input yaitu f) : 4 DELTA: Jarak antar data (DELTA > 6 ) P : Prediksi Beban Listrik Hari Ke-. dMF : Jumlah Parameter Input yaihr

dMF _2
'
4.

dMF

dMF-Out

Inp

: Parameter Input : Parameter Output ( dMIr*Out

6m
,",-,nrrll:rher

lm

Runtun Wektu fl-len')

1500 zcm

25m

ffiO

13. Target clan Output ANFIS Beban Listrik

r,q Trapesium
5.
Gelet PredikEi

Informasi yang diberikan oleh sistem adalah berupa prediksi pemakaian beban pada wakfu tertentu atau pada hari yang ingin di prediksi terhitung dari tanggal terakhir dani data yang digunakan. Inisialisasi parameter input yang digunakan

- linear)

6.

Dari gra [ik RMSE Kesalahan Training didapat kesalahan yang terkecil yaitu parameter Tanggal prediksi adalah : 25
Agustus 08
Prediksi betran
:744,66

yaitu: TRAPESILM.

Error training data

m
,i,inffilnr

'l

{i ,r

bsr 14. Galat Prediksi Dengan Fungsi r r"Lnotaan Tipe Trapesium


t

,'ts

*u*untff*u

*r#*

2soCI iln

5,40 Error chacking data ;130,30

:56,08

0/o

Daftar Fustaka
Widod'0, Thomas Sri, 2005. Sistem Neuno Fumy

"o'

MFc on lnput 1.

r0 - P-(Sl)

)
c flt. (! ,,

Finrl MFo on lnput 2, x(t - p'(D-?)

'rCtt

Eo.
EO, (D

Untuk Pengolahan Infor.masi dan Kendali.


Enlisi Pertama. Graha Ilmu Yogyakarta.

{o 'H'0.
()

Abdel-Aal,
rvofltlr

,r"ururr

02 0,/t t :-rlisrli

0.6 Bebrn Listrik HFr on lnput 3, x0 . p*(DS)


(o (o

l*

u?

drn rntB,,ix

Using Machine Learning Techniques.

RE. 2A02 Electrical Forecasting

Fincl MFe on lnput 4, x0)


c

Center for Applied (CAPS) Rsearch Institute, KUFPM.

c o o6l g
Itt a!' ot CJ

c' q, ctt

o'l

0.1

Lestari Budi 2000. Pemodelan dnn Perannalmn Banyaknya Hari Hujnn di Jember Dengan
0.6 Normalisaei Beben Ustrik

orl
0t
o

i' I rmalisesi Beban Listrik


,,,',ri[:illnll]

9.2

, 0.4

Proses Arma. Majalah Matematilra dan Statiska. Volume 1. No l. Universitas


Jember.

h$

illillillli:',,

:t

F 15. "-

FUngSi KeanggOtaan MaSing-maSing

le Trapesium

r,urlrrlriir

1'

rkrrologl Medan (lTM)

48

Seminar Nasional : P?an Teknologi di Era Globalisasi

|SBN No. : 978-6oz-96.t173-o'3

Peranginangin -Kasiman. 2006. Pengenalinn Matlab. Edisi l. Andi. Yogyakarta,

JantzerU

Jan 1998. Tutorial On Furuy Logic.

Auotomotion, Bldg

Technical University of Denmark, Departement

of

32(,DKA800

Lfngby,DENMARK."Tech.report no 98-E 868.

Suhartono, 20A7. Feedforward Neural Network

Untuk Pemodelgn Runtun Waktu. Universitas


Gajah Mada Yogyakarta.

lnstitut Teknologi Medan tlTM)

49