Multi Faktor Anova
Multi Faktor Anova
Disusun Oleh:
Dosen:
PROGRAM PASCASARJANA
DEPARTMENT TEKNIK MESIN
FAKULTAS TEKNOLOGI INDUSTRI DAN REKAYASA SISTEM
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2021
Rekayasa Kualitas
Departemen Teknik Mesin Fakultas Teknologi Industri dan Rekayasa Sistem
Institut Teknologi Sepuluh Nopember Surabaya – 2021
Gunakan Matlab untuk menghitung error antara hasil prediksi dengan nilai sebenarnya menggunakan
1. Matlab toolbox
2. Function feedforwardnet untuk men‐generate NN’s network
3. Gunakan trainlm, trainbr, dan trainscg untuk updating NN’s network
4. Apa yang anda simpulkan
5.Kumpulkan coding, serta netterbaik yang anda generate menggunakan trainlm, trainbr dan trainscg
Hint
1. Pembagian data untuk training: testing: validation = 70%:15%:15%
2. Gunakan fungsi
‐ trainlm (net,input, target) untuk updating NN’s network menggunakan Levenberg-Marquardt
optimization
‐ trainbr (net,input, target) untuk updating NN’s network menggunakan Bayesian Regularization
‐ trainscg (net,input, target) untuk updating NN’s network menggunakan Scaled Conjugate gradient
3. Gunakan fungsi sim(net,input) untuk memprediksi target menggunakan NN’s network
2
Rekayasa Kualitas
Departemen Teknik Mesin Fakultas Teknologi Industri dan Rekayasa Sistem
Institut Teknologi Sepuluh Nopember Surabaya – 2021
4. Lengkapi tabel berikut untuk komparasi (*MSE = Mean Squared Error)
inputs = mapminmax(input); %melakukan preprocessing pada input Mengurutkan data pada excel
target = mapminmax(target); %melakukan preprocessing pada target
%Jaringan BPNN
error_init = 1000;
net = feedforwardnet([4 10 4]);
net.layers{1}.transferFcn = 'tansig';
net.layers{2}.transferFcn = 'tansig';
net.layers{3}.transferFcn = 'purelin';
%Kriteria pemberhentian
net.trainParam.epochs =1000;
net.trainParam.time = 200;
net.trainParam.goal = 1e-4;
net.trainParam.min_grad = 1e-5;
net.trainParam.max_fail =1000;
%Laju pembelajaran
net.trainParam.lr = 0.05; %learning Rate
net.trainParam.show = 10;
%testing
A = sim (net_terbaik,input); % hasil prediksi NN
% Compare result
Prediction = cat (1,target,A); % komparasi hasil prediksi (A) dengan data original (p)
plot(input,target,'-b',input,A,'-r')
3
Rekayasa Kualitas
Departemen Teknik Mesin Fakultas Teknologi Industri dan Rekayasa Sistem
Institut Teknologi Sepuluh Nopember Surabaya – 2021
a. Levenberg-Marquardt
1. Ketik ‘‘nnstart’’ pada command window
2. Klik enter
3. Pilih Fiiting app
4. Pilih next
4
Rekayasa Kualitas
Departemen Teknik Mesin Fakultas Teknologi Industri dan Rekayasa Sistem
Institut Teknologi Sepuluh Nopember Surabaya – 2021
Proses ini digunakan untuk data dari excel ke matlab, data hasil excel yang terdiri dari dua file diimport
masing-masing pada kolom input dan target.
6. Klik next
Data yang telah diimport lalu, menentukan prosesntase validasi dimana terbagi menjadi 3 yaitu
training sebesar 70%, validasi sebesar 15% dan testing sebesar 15%.
7. Klik Next
5
Rekayasa Kualitas
Departemen Teknik Mesin Fakultas Teknologi Industri dan Rekayasa Sistem
Institut Teknologi Sepuluh Nopember Surabaya – 2021
8. Klik Train
6
Rekayasa Kualitas
Departemen Teknik Mesin Fakultas Teknologi Industri dan Rekayasa Sistem
Institut Teknologi Sepuluh Nopember Surabaya – 2021
7
Rekayasa Kualitas
Departemen Teknik Mesin Fakultas Teknologi Industri dan Rekayasa Sistem
Institut Teknologi Sepuluh Nopember Surabaya – 2021
8
Rekayasa Kualitas
Departemen Teknik Mesin Fakultas Teknologi Industri dan Rekayasa Sistem
Institut Teknologi Sepuluh Nopember Surabaya – 2021
13. Grafik
9
Rekayasa Kualitas
Departemen Teknik Mesin Fakultas Teknologi Industri dan Rekayasa Sistem
Institut Teknologi Sepuluh Nopember Surabaya – 2021
10
Rekayasa Kualitas
Departemen Teknik Mesin Fakultas Teknologi Industri dan Rekayasa Sistem
Institut Teknologi Sepuluh Nopember Surabaya – 2021
Algoritma Bayesian-Regularization
1. Klik Train
2. Klik Next
3. Klik Performance
11
Rekayasa Kualitas
Departemen Teknik Mesin Fakultas Teknologi Industri dan Rekayasa Sistem
Institut Teknologi Sepuluh Nopember Surabaya – 2021
4. Grafik
12
Rekayasa Kualitas
Departemen Teknik Mesin Fakultas Teknologi Industri dan Rekayasa Sistem
Institut Teknologi Sepuluh Nopember Surabaya – 2021
3. Klik Performance
13
Rekayasa Kualitas
Departemen Teknik Mesin Fakultas Teknologi Industri dan Rekayasa Sistem
Institut Teknologi Sepuluh Nopember Surabaya – 2021
4. Grafik
14
Rekayasa Kualitas
Departemen Teknik Mesin Fakultas Teknologi Industri dan Rekayasa Sistem
Institut Teknologi Sepuluh Nopember Surabaya – 2021
1. Buatlah data input dan output menjadi file yang terpisah dan disimpan di satu folder
inputs = mapminmax(input); %melakukan preprocessing pada input Mengurutkan data pada excel
target = mapminmax(target); %melakukan preprocessing pada target
%Jaringan BPNN
error_init = 1000;
net = feedforwardnet([4 10 4]);
net.layers{1}.transferFcn = 'tansig';
net.layers{2}.transferFcn = 'tansig';
net.layers{3}.transferFcn = 'purelin';
%Kriteria pemberhentian
net.trainParam.epochs =1000;
net.trainParam.time = 200;
net.trainParam.goal = 1e-4;
net.trainParam.min_grad = 1e-5;
net.trainParam.max_fail =1000;
%Laju pembelajaran
net.trainParam.lr = 0.05; %learning Rate
net.trainParam.show = 10;
15
Rekayasa Kualitas
Departemen Teknik Mesin Fakultas Teknologi Industri dan Rekayasa Sistem
Institut Teknologi Sepuluh Nopember Surabaya – 2021
%testing
A = sim (net_terbaik,input); % hasil prediksi NN
% Compare result
Prediction = cat (1,target,A); % komparasi hasil prediksi (A) dengan data original (p)
plot(input,target,'-b',input,A,'-r')
title ('Ori vs. Prediction NN')
xlabel (‘data ke n’)
ylabel (‘nilai output nn’)
legend ('f(x)-Ori','f(x)-Prediction NN)')
grid ON
16
Rekayasa Kualitas
Departemen Teknik Mesin Fakultas Teknologi Industri dan Rekayasa Sistem
Institut Teknologi Sepuluh Nopember Surabaya – 2021
17
Rekayasa Kualitas
Departemen Teknik Mesin Fakultas Teknologi Industri dan Rekayasa Sistem
Institut Teknologi Sepuluh Nopember Surabaya – 2021
18
Rekayasa Kualitas
Departemen Teknik Mesin Fakultas Teknologi Industri dan Rekayasa Sistem
Institut Teknologi Sepuluh Nopember Surabaya – 2021
19
Rekayasa Kualitas
Departemen Teknik Mesin Fakultas Teknologi Industri dan Rekayasa Sistem
Institut Teknologi Sepuluh Nopember Surabaya – 2021
Hasil:
Berdasarkan perolehan nilai dari matlab maka dari ketiga pengujian tersebut didapati nilai error dan
prediksi sebagai berikut.
20
Rekayasa Kualitas
Departemen Teknik Mesin Fakultas Teknologi Industri dan Rekayasa Sistem
Institut Teknologi Sepuluh Nopember Surabaya – 2021
Lampiran :
Coding:
clc
clear all
close all
%Jaringan BPNN
error_init = 1000;
net = feedforwardnet([4 10 4]);
net.layers{1}.transferFcn = 'tansig';
net.layers{2}.transferFcn = 'tansig';
net.layers{3}.transferFcn = 'purelin';
%Kriteria pemberhentian
net.trainParam.epochs =1000;
net.trainParam.time = 200;
net.trainParam.goal = 1e-4;
net.trainParam.min_grad = 1e-5;
net.trainParam.max_fail =1000;
%Laju pembelajaran
net.trainParam.lr = 0.05; %learning Rate
net.trainParam.show = 10;
21
Rekayasa Kualitas
Departemen Teknik Mesin Fakultas Teknologi Industri dan Rekayasa Sistem
Institut Teknologi Sepuluh Nopember Surabaya – 2021
22