MT.RCU BUANA
,rf ? =-*
ngkatkan Di
$gngsa"
.":ui
SNPPTI 20 10
".
.*
ISSN: 2A86-21 56
No I 2
Judul dan Pemakalah Hal Instrumen Kendali Produksi pada Unit Produksi Mesin Injeksi Plastik Menggunakan I Mikrokontroler PIC 1 6F877
Syahril Ardi, Ambar Sri Hudoyo System Penditeksian Karbonmonoxide Berbasiskan Smoke Sensor System pada
Ruang
Tertutup
A.Sofwan
10
Thermography Infra Merah A.Sofwan, H.E.Widodo dan Suhardi Simulasi Pembangkit Listrik Pikohidro Berdasarkan Grafitasi Jatuh Air A. Sofwan dan P. W. S. Putro Pengenalan Sinyal Jantung Dengan Menggunakan ANFIS Mahrizal Masri, Hermansyah Alam Simulasi Sistem Kendali Posisi Antena Sindak Hutauruk, Darma Doni Putra Alat Ukur Tinggi Badan Digital Berbasis Mikrokontroller AT89S Yudhi Gunardi, Tedi Junaedi Perancangan Rotor Transmitter Kornpatibel dengan Mesin Draw Roll Rieter Tipe J/30 Andi Adriansyah, Suswanto Aplikasi Kendali Kokoh Pada Motor Servo Tanpa Sikat Dengan Teknik Sliding Mode
Radita.Arindya
16
22
26
32 38 43
Tank lleater
49
58
Pengontrolan Pensklaan Arah Lateral Dan Vertikal Tossin AIamsyah, E. Shintadewi Yulian, Djoko Hartanto, N. R. Puspawati Perancangan Perangkat Lunak (Simulator) Untuk Minimisasi Persamaan Atjabar Dengan Metode Quine Mc Cluskey Rumah
Badaruddin
Boolean Luar
63
Muhammad Saleh Alat Pendeteksi Dan Pengganggu Dengan Nada Tinggi Sambungan Paralel Telepon Di
67
Applications Pada
12 77
Simulasi Keunggulan Metode Random Early Detection Sebagai Pengendali Kemacetan Jaringan Internet
Maksum Pinem, Ikhwan Peranggi Pohan Perancangan Alat Pemusnah Bakteri E. Coli Otomatis Menggunakan ATMega 8535 Andi Adriansyah, Era Oktaviani Pengaruh Bahan Pengisi Sekarn Padi pada Kekuatan Dielektrik Isolator Resin trpoksi Syafriyudin
82 86
vii
SNPPTI
2O 1O
ISSN: 2A86-21 56
AI\FIS
Mahrizal Masri
I
" Her-mansyah
Alu-'
Jurusan Teknik Elektro, Institttt Teknologi Medan JI. Gedung Arco JVo. 52, Medon, Sumatero (-ltara E- mail : masrimahrizal(@)zahoo.com', herrnans itm@yahoo.co.id2
Abstruk
penggabungan mekanisme fuzzy inference system yang digambarkan dalam arsitektur j aringan syaraf. Sistem inferensi fuzzy yang digunakan adalah sistem inferensi fuzzy model Tagaki-
Ketika sehat, jantung berdetak sebanyak 60 hingga 90 kali semenit dan lebih dari 100 kali dalam sehari. Bagi anak anak, jantung mereka terpaksa bekerja lebih kuat dari orang dewasa
semenit.
satu fuzzy
dengan
Untuk seumur hidup kita, jantung akan berdetak t 75,2 million kali. dan bagian kiri jantung. Secara keseluruhannya, terdapat 4 ruang didalam jantung, yaitu :
yang
nrenggabungkan dua metode yaifu adaptif (neural rretrvork) dan metode fuzzy. Jaringan adaptif ini diguuakan untuk mengadaptasi sistem inferensi logika fuzzy agar dapat mewakili sistem inferensi
2. 3. 4.
dan
metode fuzzy
dimana
keduan-_va
menggunakan dua sumber informasi yang sama, tetapi representasinya berbeda. Hasil pengenalan
2ll.
lectrocardiogram (ECG) merupakan catatan variasi dari potensi bioelektrik berkenan dengan rvaktu detak jantung manusia. Dengan digitalisasi sirryal electrocardiograph, analisa komputer dari pola
E
Adapr"rn
dapat
.dd ': t4 ,
1{
ffi
Jantun_e
Jantung merupakan organ yang berotot dan otot - otot ini dikenali sebagai miokardium. Darah merupakan
pembawa oksigen dan zat makanan yang diperlukan untr:k tenaga dan tumbesaran tubuh. Darah jugu membawa sisa buangan dan gas keluar dan dibuan_q melalui organ ginjal atau buah pinggang dan paruparu. Fungsi utarna jantung adalah memompa darah ke seluruh tubuh. Denqan keuqalaann\a rnemomQa sekitar 5 liter sernenit, jantung kita akan memastikan agar darah senantiasa mengalir secara terus menerus
ke seluruh bagian tubuh.
Lapis I
Setiap node i pada lapis 1 adalah node adaptive dengan fungsi node sebagai berikut :
.rq lxi.
rur*;k
?.
?, ntau
r = J.4
22
SNPPTI 201 O
ISSN: 2086-21 56
Dengan X (atau y) : masukkan ke node i Ai (*) atau Bi-2 (V) : label linguistik (seperti 'besar' atau 'kecil ') yang terkait dengan node tersebut. O 1 ,i dan O1; adalah derajat keanggotaan himpunan fuzzy
ulJo,,.
s' *. rrg
+ ff)
..J I "t :I
TTtt t';
ly I+"' &
atau
dapat
rLnrxr
li :;iTI|
(e
I : I no
{.1.71
1.
Dengan
Lapis
2
{a,b,c
2.
Studi Diskusi
ini adalah node tetap berlabel dengan keluarannya adalah produk dari
Setiap node pada lapis
semua sinyal yang datang.
mengetahui
3.
;t^i jJ
.*-'
u= 1..* ttl
lyi, i * 1, ?
Mengumpulkan dan mempelajari data data sinyal jantung Dari Rumah Sakit Umum Adam Malik Medan.
Setiap keluaran node dari lapis rnl menyatakan kuat penyulutan dari aturan fuzzy. Fungsi ini dapat diperluas apabila bagian premis
merniliki lebih dari dua himpunan fvzzy. Banyaknya simpul pada lapisan ini menLrnjukkan banyaknya
4. Alat Penelitian
Adapun
alat
:
yang
Lapis
ini adalah node tetap berlabel N. Node I menghitung rasio dari kuat
Setiap node pada lapis
Versi
penyulutan aturan ke I terhadap -jumlah semua kuat penyulutan dari semua aturan.
5. Proses Penelitian Sesuai dengan tujuan penelitian yaitu untuk mengetahui hasil analisa data, tahap pelaksanaan penelitian adalah :
1. Mencari selisih
Ke
I
uaran
4
lap is
ini disebr-rt
kuat
penyulutan
ternorrnalisasi.
2. Membentuk grafik
Lapis
lv,
fi = q{frix *
rtriy
+ t}, i:I,J;
I)e ngan
Wi - kuat
lapis
3
{p'* + qiy + ri } -hirnpullan parameter dari node ini. Parameter dari lapis ini disebut
parameter konsekuensi
.
Lapis
tetap beralabel f
datang.
11 :J
SNPPTI 20 1O
ISSN: 2A86-2156
LV.2. Pengenalan Sinyal Jantung dengan Metode Anfis LV.2.2. Grafik Pengenalan Sinyal Jantung dengan Metode Anfis
Inisialisasi
M
,:,,':.:.:.:.:,::::::l::::::::::t::::::l::::::::;::::l:
ii::lilll:l:ll::i:i:::i:ij::lii;iil:i:i
ati
IV.2.3. Grafik Error Perbandingan antara Data Sinyal jantung Masukan dengan Pengenalan
Sinyal Jairtung dengan Metode Anfis.
Garnbar 6. Error Perbandingan antara data masukan dan pengenalan dengan Anfis.
.t'l:':|':':']:l[::;';''..':i.q'.:l..'irs.''.''1J1: ''::::'.'.'''...'.'::':'1''6;11i;:'
24
S]VPPTI 2AIO
ISSN: 2A86-2156
VI. SARAN
diharapkan untuk penelitian selanjutnya Metode Anfis ini jrga dapat digunakan untuk pengenalan penyakit jantr-rng yang dapat menolong kehidupan manusia.
[1].
Suhartono. 20W.
Fee
l2l.
Widodo Azis, Thomas Sri, 2005. Sistem Neuro Fuzzy tlntuk Pengolahan Informasi, Pemodelan dan Kendali. Edisi Peftama. Graha Ilmu
Yogyakarla.
V. KESIMPI]LAN
Dar-i hasil pengenalan sinyal jantung dengan Metode Anfis di bantu dengan Software Matlab
didapat kesimpulan sebagai berikut
1
:
le:dr 6gn(,(, und/ computational Neuroscience Deparlment of computing and Mathematics [Jniversity of
Stirling. Iss@cs.stir.ac.uk
d{K Gift' 6
. Pengenalan sinyal jantung dengan Metode Anfis mempunyai prediksi kesarahan yang
kecil yaitu 0 .1211.
l4l. Artificial Neural Network Theory and Applications, Dan w. Patterson, Jhon wiley and
Sons. Inc. 1995.
Sri
"
-,'-x::il,
,;i;
lll
t6].
Kusumadewi ,20A4, Graha Ilmu, yogyakarta Introduction to Neural Network by I(. Gurney. ontents.html
lJffi - ?'J?,Tl il
maksimum, 'ilai rninimlrm, dan RMSE nya. 3 - Dari grafik perbandingan antara Sinyal
Jantr-rng dan pengen alannya dengan Metode Arrfis pada gambar 4.6 terlihat bahwa grafik pengenalan sinyal jantr"urg dengan Metode
I .html
co
urse_or_ltl ine_for_
fall _2004
[10] [11]
www. google.com.
www.scribd.com.
sinyal
www.ittelkom
rnangalami
5.
6
0.0 I I 3098 nrenjadi 0.011000 dan kemudian pacla step ke 9 nren jadi 0 .A12100. Jr-rmlah parameter adalah lM diclapat dari peqiumlahan linear parameters yaitu g0 dan non li near parameters adal ah 24
.
- Data yang ditraining oleh Metode Anfis buah data dari t2a0 data
:iffi:un]oo
25