Anda di halaman 1dari 6

,".!' E-*.

MT.RCU BUANA
,rf ? =-*

PROSIDING V l55N : ?ilS* #

'nMenuju Pen ?ra, Teknologi Indust#i Memanfaatkan Energi


I

ngkatkan Di

$gngsa"

.":ui

Auditorium Menara Universitas Mercu Buana, Jakarta


Sabtu, 20 Februari z01A

SNPPTI 20 10

".

.*

ISSN: 2A86-21 56

JUDUL DAN PEMAKALAH

BID.{\G: ELEKTRONIKA DAN TELEKOMUNIKASI

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

3 Analisa Pemeliharaan Prediktif 4 5 6 7 8 9

A.Sofwan

Panas Transformator Dengan System Penditeksian

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

10 Simulasi Dan 11 Kinerja 12 l3 14 15 16 1l

Perancangan Pengendalian Sistem Jacketed Stirred

Tank lleater

49

Menggunakan Pengendali Fuzzy


Fina Supegina, Wahidin Wahab

Heterojunction Bipolar Transistor Silikon Germanium (HBT's Sige) Dengan

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

Compact Filter For C-Band

Applications Pada

12 77

Ikhwan Peranggi Pohan, Mazlina Esa, dan Jasmy Yunus

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

Pengenalan Sinyal Jantung dengan Menggunakan

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

Pada penelitian Metode ANFIS


adalah

(Adaptive Neuro -Fuzzy Inference System) dapat

mengenal sinyal j antung), AI\FIS

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

yaitu diantara 100 hingga 1ZA detak

semenit.

Sugeno-Kang (TSK) orde

satu fuzzy

dengan

pertimbangan kesederhanaan dan kemudahan komputasi. ANFIS merupakan sistem adaptif

Untuk seumur hidup kita, jantung akan berdetak t 75,2 million kali. dan bagian kiri jantung. Secara keseluruhannya, terdapat 4 ruang didalam jantung, yaitu :

berbasis inferensi logika

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.

1,. Atrium kiri


Ventrikel kiri Atrium kanan Ventrikel kanan

fuzzy yang diinginkan. Prinsip kerjanya adalah


menggabungkan dua metode yaitu metode adaptif

dan

metode fuzzy

dimana

keduan-_va

menggunakan dua sumber informasi yang sama, tetapi representasinya berbeda. Hasil pengenalan

menggunakan ANFIS terhadap sinyal jantung


menghasilkan RMSE:0.7
Kutu

2ll.

Kunci: ANFIS, Sinyal Jantung, Matlab


I. PENDAHIJLIJAN

lectrocardiogram (ECG) merupakan catatan variasi dari potensi bioelektrik berkenan dengan rvaktu detak jantung manusia. Dengan digitalisasi sirryal electrocardiograph, analisa komputer dari pola
E

Gambar 1 . Penampang melintang jantung nranusia.

ECG dilakukan untuk mendiagnosa penyakit jantung.

Adapr"rn

ANFIS mencoba seberapa jauh

dapat
.dd ': t4 ,
1{

rnengidentifi kasi sinyal jantung tersebut.

ffi

II. TINJAIJAN PUSTAKA


1

Jantun_e

Jantung merupakan organ yang berotot dan otot - otot ini dikenali sebagai miokardium. Darah merupakan

Gambar 2. Karakteristik dari sinyal EKG 2. Anfis

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,S+ t"1+. r-mh-rL

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+"' &

Al ,A2 atau B 1 ,B2. Fungsi keanggotaan untuk

atau

dapat

diparameterkan, misalnya fungsi segit iga:

Adapun teknik pengumpulan data dalam


penulisan tugas akhir ini adalah sebagai berikut
:

rLnrxr

li :;iTI|
(e

I : I no
{.1.71

1.

-xj/{c-ir); b .,.ri ,i c .". ".

Studi Literatur Berupa studi kepustakaan, jumal-jurnal dari

internet dan kaj ian dari buku -buku teks


pendukung.

Dengan
Lapis
2

{a,b,c

Parameter dalam lapis


yang adaptif.

adalah himpunan parameter. ini disebut parameter premis

2.

Berupa tanya jawab dengan Dosen


Pembimbing, Dokter dan perawat, maupun

Studi Diskusi

ini adalah node tetap berlabel dengan keluarannya adalah produk dari
Setiap node pada lapis
semua sinyal yang datang.

diskusi dengan orang yang


Pengambilan Data

mengetahui

3.

;t^i jJ
.*-'

u= 1..* ttl

xs .,,, f'.*"'i ,,.r


,ftjd \tt.,..*t$i

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
:

alat yang digunakan dalam

pehelitian ini adalah

1. Satu unit PC dengan spesifikasi intel 2. 3. 4.


Pentium 4 Prosesor 800 Ghz dan Ram 512 Mhz. Satu unit Laptop Sinyal jantung
Perangkat Lun ak (Softvvare)

aturan yang dibentuk. Fungsi perkalian


digunakan adalah interpretasi operator and.

yang

Lapis

ini adalah node tetap berlabel N. Node I menghitung rasio dari kuat
Setiap node pada lapis

MATLAB (MATrix LABoratory)


R2001 a Release 12.1

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

perbandingan antara data


fi'ekr-rensi gelombang

uaran
4

lap is

ini disebr-rt

kuat

penyulutan

masukan sinyal jantung dan anfis.

ternorrnalisasi.

2. Membentuk grafik

Lapis

sinyal jantung yang terjadi.

Setiap node pada lapis ini adalah node


adapti'r,e dengan fr-rngsi node
#+,u
"

3. Menghitung frekuensi Pengenalan Anfi s serta membentuk grafik karakteristiknya

lv,

fi = q{frix *

rtriy

+ t}, i:I,J;

I)e ngan

Wi - kuat
lapis
3

penyulutar-l ternormalisasi dari

{p'* + qiy + ri } -hirnpullan parameter dari node ini. Parameter dari lapis ini disebut
parameter konsekuensi
.

Lapis

Node tunggal pada lapis

tetap beralabel f
datang.

ini adalah node yang nrenglritung keluaran

keseluruhan sebagai penjumlahan semLra sinyal yang

11 :J

SNPPTI 20 1O

ISSN: 2A86-2156

III. DIAGRAM ALIR PtrNELITIAN


M ulai

LV.2. Pengenalan Sinyal Jantung dengan Metode Anfis LV.2.2. Grafik Pengenalan Sinyal Jantung dengan Metode Anfis

Inisialisasi
M

asukkan Data Sinyal


.lantr-rng

.lalankan program Pengenalan clengan M etode A nfis

ilai Param eter


Sesuai
?

,:,,':.:.:.:.:,::::::l::::::::::t::::::l::::::::;::::l:

ii::lilll:l:ll::i:i:::i:ij::lii;iil:i:i

Amati Hasil Grafik


Gambar 5. Sinyal jantung dengan Metode Anfis
Arn

ati

asil Report Program


Selesai

IV.2.3. Grafik Error Perbandingan antara Data Sinyal jantung Masukan dengan Pengenalan
Sinyal Jairtung dengan Metode Anfis.

Gambar 3 Diagram alir penelitian

IV. ANALISA DAN HASIL PEMBAHASAN

IV.l. Grafik Sinyal Jantung (data masukan)

Garnbar 6. Error Perbandingan antara data masukan dan pengenalan dengan Anfis.

LY.2.4. Grafik Perbandingan antara data masukan dan pengenalan

.t'l:':|':':']:l[::;';''..':i.q'.:l..'irs.''.''1J1: ''::::'.'.'''...'.'::':'1''6;11i;:'

Garnbar 4. Graflk Sinyal Jantung ( data masukan )

Garrrbar I . Perbandingan antara data masukan dan pengenal an dengan Anfis.

24

S]VPPTI 2AIO

ISSN: 2A86-2156

LY.2.5. Grafik Prediksi Kesalahan dengan Anfis

VI. SARAN

ini adalah untuk pengenalan sinyal j antung,

Penggunaan Metode Anfis pada penelitian

diharapkan untuk penelitian selanjutnya Metode Anfis ini jrga dapat digunakan untuk pengenalan penyakit jantr-rng yang dapat menolong kehidupan manusia.

VII. DAF'TAR PIJSTAKA

[1].

Suhartono. 20W.

Fee

dforward Neural Network


Waktr-r.tlniversitas

l]ntuk Pemodelan Runtun


Gajah Mada Yogyakarta

l2l.

Widodo Azis, Thomas Sri, 2005. Sistem Neuro Fuzzy tlntuk Pengolahan Informasi, Pemodelan dan Kendali. Edisi Peftama. Graha Ilmu
Yogyakarla.

Gambar 8. Prediksi Kesalahan Anfis

t3]. An Introduction to Neural Networks, 2003 Prof.

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.

t5]. MembangLrr Jaringan Syaraf Tiruan,

Sri

Pengenalan suara dengan Metocle Anfis

l:'ff il.ili;5: " ffl


untuk

"

-,'-x::il,

l' Liffi #'

,;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

""Tfri,"l training error,

r?'1, I ffi ,1H:

t8l. Neural Network by Nikolay Nikolaef t9l. http://hornepages.gold.ac.uvnikolaef/cis3


.

I .html

co

urse_or_ltl ine_for_

fall _2004

[10] [11]

ll2l. Situs Internet


I I 3]. Situs Internet [ 1 4] . Situ,y Inter-nel

www. google.com.

- Nilai epoch pada step ke 5


penLrrunan sebesar 0.0 I 1 000

jantung (dara asli).

A'fis *enyesuaikan dengan data


dari

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