PROTOTYPE PENGATURAN LAMPU RUANG DENGAN JARINGAN SYARAF TIRUAN

Gratis

0
0
9
3 months ago
Preview
Full text

  PROTOTYPE PENGATURAN LAMPU RUANG

DENGAN JARINGAN SYARAF TIRUAN

Fatwa Yuniarti

  

Dosen Pembimbing : Dr. Haryanto, M.Pd, MT

haryanto.ftuny@gmail.com

  Jurusan Pendidikan Teknik Elektro, Fakultas Teknik, UNY

  

ABSTRAK

  Proyek akhir ini bertujuan untuk menghasilkan prototype suatu rancangan sistem pengatur lampu penerangan ruang yang terprogram dengan menggunakan sistem cerdas. Salah satu caranya yaitu dengan mengaplikasikan unjuk kerja jaringan syaraf tiruan (JST) model perceptron sebagai pengendali penerangan ruang. Proyek akhir ini diharapkan dapat dijadikan sebagai alat bantu dalam mempelajari JST model perceptron untuk memudahkan pemahaman

  Proyek akhir berupa prototype ini dibuat dengan metode pengembangan yang terdiri dari beberapa langkah, yaitu : (1) analisis kebutuhan, (2) perancangan sistem, meliputi : (a) perancangan perangkat keras terdiri dari rangkaian catu daya, rangkaian pewaktu, sistem pengendali terprogram dengan ATMega16, dua saklar sebagai input dan rangkaian LED sebagai output. (b) perancangan perangkat lunak dengan bahas C untuk membangun pembelajaran dan aplikasi JST model perceptron. (3) Implementasi perangkat keras dan perangkat lunak berdasarkan rancangan, dan (4) pengujian keseluruhan sistem dengan model white box testing untuk perangkat lunak proses pembelajaran JST dan model black box testing untuk pengujian pada output sistem perangkat keras. Hasil dari proyek akhir ini menunjukkan bahwa sistem kendali rangkaian LED sebagai lampu penerangan ruang cerdas berbasis JST perceptron dapat mengasilkan penerangan yang sesuai dengan keinginan pengguna. Dengan dua mode yang dihasilkan yaitu mode low dan mode high yang dibedakan berdasarkan intensitas cahaya yang dihasilkan. Selain itu variasi nyala lampu juga dapat diubah

  • – ubah sesuai dengan kebutuhan tanpa mengubah program, rangkaian elektronik dan instalasi penerangan lampu dari sistem tersebut. Sehingga sistem pada alat ini akan menjadi lebih efisien dibandingkan sistem penerangan lampu ruang yang sudah ada saat ini. Kata kunci : Jaringan syaraf tiruan, perceptron, sistem pengaturan lampu.

  ABSTRACT The aims of this project are to produce a prototype of room lighting control system using intelligent system. One of the examples is by applying the works of artificial neural network (ANN) of perceptron model as the controller of room lighting. This final project is expected to support in learning the perceptron model of ANN of perceptron model, so it could be learned easily.

  This final project is created using development method that consists of some steps. They are : (1) analysis of the needs, (2) system design, includes (a) hardware design consist of power supply adaptor, timer adaptor, controller programmed systems using ATMega 16, two switches as the input and LED adaptor as the output. (b) Software design using C program to develop the learning process and the work of perceptron model of ANN. (3) Hardware and software implementation based on the design, and (4) testing the while system using white box testing model for the software of ANN learning process and black box testing for the output of hardware.

  The result of this final project shows that the control system of LED adaptor as intelligent room lighting with perceptron model of ANN base could create a lighting based on the user’s need. There are two modes, low and high mode, which is differed by the luminous intensity produced. Besides, the lighting flame variety could change based on the needs without changing the program, electronic circuit, and lighting installation of the system. Thus, the system in this device would be more efficient than any other room lighting systems today.

  Keywords : Artificial Neural Network (ANN), lighting control system, perceptron.

  Perkembangan dunia kontrol memegang peranan penting dalam perkembangan teknologi. Sebagian besar peralatan membutuhkan sistem kontrol agar dapat bekerja sesuai dengan yang diinginkan. Proses produksi dalam suatu pabrik maupun industri telah menggunakan sistem kontrol yang terprogram. Operasi pengontrolan dalam suatu industri dapat diterapkan dalam proses pengendalian temperatur, tekanan, kelembaban, kecepatan motor, dan lain sebagainya.

  Pengendalian suatu sistem yang tidak diketahui parameternya dapat dilakukan dengan menggunakan kendali cerdas. Beberapa jenis sistem kendali cerdas adalah logika fuzzy, algoritma genetika, jaringan syaraf tiruan, dan metode lainnya. Pada proyek akhir ini sistem cerdas yang digunakan yaitu jaringan syaraf tiruan (JST) sebagai komponen pengendali sistem. JST pada dasarnya merupakan fungsi pemetaan masukan dan keluaran sistem yang bebas model matematis. JST dibangun pada mulanya bertujuan untuk meniru kerja otak manusia dalam menyimpan, belajar, dan mengambil kembali pengetahuan

A. Pendahuluan

  yang telah tersimpan dalam sel syaraf atau yang tertanam pada pengontrol tersebut. neuron.

  Gambar 1 berikut ini merupakan sistematika pengaturan pada tugas akhir ini. Ada beberapa bentuk jaringan syaraf seperti Perceptron, Hebbian, ADALINE,

  clock

  dan Backpropagation. Adapun

  Hopfield,

  proyek ini, menggunakan bentuk jaringan

  komput µC LED

  syaraf model perceptron yang digunakan er

  Power

  sebagai komponen pengatur penerangan suatu

  supply

  ruangan. Alat ini bekerja sesuai dengan keinginan pengguna ruangan tersebut, ketika Gambar 1. Diagram Blok Sistem Pengaturan dikehendaki kuat cahaya tinggi maka lampu tersebut dapat diatur dengan intensitas yang

  Mikrokontroler diberikan program tinggi. Sebaliknya ketika dikehendaki keadaan yang didownload dari komputer dan cahaya lampu tersebut rendah maka lampu diberikan catu daya tertentu sehingga tersebut dapat juga diatur dengan intensitas mikrokontroler dapat memproses program cahaya yang rendah. yang ada. Selanjutnya mikrokontroler memberikan sinyal output pada LED sesuai

  Adapun tujuan pembuatan proyek dengan perintah yang diberikan. akhir ini adalah untuk memperoleh : 2.

  Jaringan Syaraf Tiruan 1. sistem pengendalian

  Rancangan Jaringan syaraf merupakan salah penerangan ruang yang terprogram dengan satu representasi buatan otak manusia yang menggunakan sistem cerdas. selalu mencoba untuk mensimulasikan 2. Unjuk kerja jaringan syaraf tiruan model proses pembelajaran pada otak manusia

  perceptron sebagai sistem pengendali

  tersebut. Istilah buatan disini digunakan prototype penerangan ruang. karena jaringan syaraf ini diimplementasikan dengan menggunakan

B. Pendekatan Pemecahan Masalah

  program komputer yang mampu 1. Sistem Pengaturan Lampu Penerangan menyelesaikan proses perhitungan selama

  Penelitian ini pengaturan yang pembelajaran (Sri Kusuma Dewi, 2003 : digunakan untuk mengatur intensitas lampu 207). penerangan melalui saklar dengan

  Otak manusia berisi jutaan sel konfigurasi tertentu yang telah diprogram syaraf yang bertugas untuk memproses sedemikian rupa di dalam mikrokontroler informasi. Setiap sel bekerja seperti suatu merupakan satu unit masukan di suatu prosesor sederhana. Setiap sel tersebut lapisan yang nilai inputnya selalu 1. saling berinteraksi sehingga mendukung kemampuan kerja otak manusia (Sri

  X 1 Y 1 w Kusumadewi, 2003: 207). 1 Secara prinsip, jaringan syaraf

  Y 2 w 2 X 2

  tiruan dapat melakukan komputasi terhadap

  Y 3

  semua fungsi yang dapat dihitung w b

  Y 3

  (computable function). Jaringan syarat

  B

  tiruan dapat melakukan apa yang dapat (Anita dan Arhami, 2006 : 161). Gambar 2. Arsitektur Perceptron

  Algoritma Perceptron adalah proses Penelitian ini menggunakan JST pembelajaran yang melakukan perbaikan model perceptron. Sistem ini menggunakan bobot - bobotnya pada setiap epoch (proses fungi aktivasi bipolar pada proses perulangan satu kali untuk setiap data set pembelajran dengan tiga kemungkinan, input-output). Pada setiap epoch, jaringan yaitu -1, 0, 1. Sedangkan pengujian dengan akan mengkalkulasi error yang terjadi, fungsi aktivasi bipolar dengan harga α (laju kemudian nilai error akan dijadikan pemahaman) dan θ (threshold) ditentukan. parameter untuk proses perbaikan bobot

  Perceptron merupakan sehingga tercipta nilai bobot yang baru.

  pengembangan dari Hebbian, arsitektur yang digunakan sama seperti Hebbian. Proses ini akan berhenti jika error sudah mencapai nilai minimum atau perulangan

  Pada proses perubahan bobot sudah mencapai maximum epoch yang pembelajarannya ditambahkan laju sudah ditentukan sebelumnya. Selain itu, pembelajaran (learning rate)

   yang proses pelatihan juga dipengaruhi oleh nilai berfungsi untuk mengontrol perubahan laju pembelajaran (learning rate) (Sri bobot pada setiap iterasi. Besarnya nilai  Kusuma Dewi, 2003 : 224). lebih besar dari 0 dan maksimum bernilai 1

  Jika S vektor masukan dan T target (Anita Desiana, 2006 : 170). keluaran, α laju pemahaman (learning rate)

  Arsitektur Perceptron dengan dua yang ditentukan nilai threshold θ (Sri unit (ditambah satu unit bias) di lapisan

  Kusuma Dewi, 2003 : 225). input dan satu unit di lapisan output dapat dilihat pada Gambar 2. Unit bias a)  w   . x . t (5)

  Inisialisasi semua bobot dan bias i i (umumnya w = b = 0), dan nilai laju

  i b t b

     . . (6) pemahaman α (umumnya 1).

  b) Selama ada elemen vektor masukan

  Dengan demikian nilai bobot yang baru yang respon unit keluarannya tidak adalah : sama dengan target, maka perlu

  wbaru   wlama   .x .t i i i  dilakukan :

  (7) i. i = s i (I =

  Set aktifasi unit masukan x 1, 2, …, n-1, n)

  b barulama b   .t (8)    

  Bobot awal (w i ) = 0 dan bias (b) = 0 C.

   Langkah – langkah Pengembangan

  Hitung respon unit keluaran Perancangan merupakan suatu proses

  .w + b (1)

  i i

  Jml = ∑ x menentukan komponen suatu alat yang akan F(jml) = 1 ; dibuat. Gambar 3 berikut ini merupakan blok jika jml > θ (2) diagram dari sistem kendali rangkaian LED

  F(jml) = 0; jika

  • – θ < jml ≤ θ (3) sebagai lampu penerangan berbasis jaringan

  F(jml) = -1; jika jml < - θ (4) syaraf tiruan. iii. bobot pola yang

  Perbaikan

  Mikrokontroler

  mengandung kesalahan yaitu ketika

  Dya Saklar LED ATMEGA16

  F(jml) tidak sama dengan target Catu (y ≠ t) menurut persamaan :

  Gambar 3. Blok Diagram Rangkaian w (baru) = w (lama) +

  i i

  Prinsip kerja dari blok diagram dimulai w dari catu daya yang memberikan tegangan

  i

  (i=1, 2, …, n-1, n) dan w = .t.x pada rangkaian elektronik. Tegangan yang b (baru) = b (lama) + diberikan pada mikrokontroler sebesar 5 volt, b ; dengan sedangkan untuk suplai tegangan rangkaian b = .t.b LED sebesar 12 volt.

  Seperti yang dijelaskan Saklar pada rangkaian ini berfungsi sebelumnya, pada proses pembelajaran sebagai masukan mikrokontroler. Saat perceptron untuk perubahan bobotnya mikrokontroler mendeteksi masukan dari dikontrol oleh laju pembelajaran (

  ) saklar, maka masukan tersebut akan diproses dan target (t). Besarnya perubahan menggunakan jaringan syaraf tiruan sebagai bobot yang terjadi pada setiap iterasi sistem kendali utama yang berda pada adalah : mikrokontroler ATMega16. Output yang menyala bergantian maupun bersamaan sesuai dihasilkan berupa intensitas pencahayaan dengan masukan yang diberikan. rangkaian LED. Sistem ini akan dibuat Rencana pengujian sistem meliputi menjadi dua bagian untuk memudahkan pengujian catu daya, output mode low, dan perancangan. output mode high dengan tenggang waktu

  Rancangan LED dibagi menjadi dua tertentu (berapa lux yang dihasilkan ketika mode, dimana dalam satu mode terdapat dinyalakan sampai waktu yang ditentukan). empat macam konfigurasi keluaran nyala D.

   Hasil

  lampu. Tabel 1 berikut ini merupakan Proses pengambilan data rangkaian gambaran pembagian pin untuk konfigurasi sistem kendali rangkaian LED sebagai lampu Tabel 1 : Pengelompokan Nyala Lampu dengan menguji setiap bagian. Pengujian yang

  Berdasarkan Mode dilakukan meliputi pengujian perangkat keras Kelompok Lampu

  si

  dan perangkat lunak. Hasil pengujian dan

  igura pembahasannya adalah sebagai berikut. Mode P0 P1 P2 P3 P4 P5 P6 P7

  Konf 1.

  Pengujian Catu Daya

   Pengujian catu daya dilakukan

  1

  • untuk mengetahui besarnya tegangan yang

  2  - - - - - -

   ow

  dihasilkan oleh catu daya. Tegangan

  L

  3   - - - - -

   keluaran catu daya akan digunakan untuk

   4    - - - - menyuplai rangkaian elektronik. Hasil

  5

   pengujian catu daya dapat dilihat pada  - -   - -

   6 Tabel 2 sebagai berikut.

  High

   Tabel 2 : Hasil Pengujian Catu Daya

  7   -    -

   Data

  8 Er-       

  Hasil N Tegan ror

  Bagian Ukur o gan (V)

  (V) (V)

  Berdasarkan Tabel 1 menunjukkan

  • Primer 220 220 Transfor-

  konfigurasi mode low dan mode high. Mode

  1 mator Sekun

  • 12

  12 der low terdiri dari empat pin yang menyala

  2 7812

  12

  10

  bergantian maupun bersamaan. Pada setiap pin

  IC

  2 Regulator 0,5 7805 5 4,5

  terdiri dari sekelompok LED. Begitu pula pada mode high yang terdiri dari delapan pin yang

  Pengujian data penghitungan tegang- an yang dihasilkan secara keseluruhan relatif sesuai. Nilai error tegangan terdapat saat pengujian tegangan IC regulator. Namun, beda tegangan yang dihasilkan pada rangkaian catu daya masih dalam batas toleransi. Sehingga catu daya masih dapat digunakan pada alat ini.

  Konfigurasi 1 30 menit 165 Konfigurasi 1

  1 1 436 Konfigurasi 4 30 menit

  1 1 433 Konfigurasi 4 15 menit

  1 1 430 Konfigurasi 4 5 menit

  1 menit

  Konfigurasi 3 30 menit 1 345 Konfigurasi 3

  1 337 Konfigurasi 3 15 menit 1 340

  1 menit 1 334 Konfigurasi 3 5 menit

  Konfigurasi 2 30 menit 1 234 Konfigurasi 2

  1 226 Konfigurasi 2 15 menit 1 230

  1 menit 1 222 Konfigurasi 2 5 menit

  159 Konfigurasi 1 15 menit 162

  Selisih tegangan pada IC regulator dapat dihitung sebagai berikut :

  1 menit 157 Konfigurasi 1 5 menit

  Intensitas Lampu (lux) Jumlah lampu

  Input Ouput Ket Mode Waktu S1 S2

  Melalui software CV AVR program disusun sesuai dengan kebutuhan. Sistem ini telah diprogram dan diuji coba, hasil yang diperoleh juga telah memenuhi kriteria yang diharapkan. Setiap konfigurasi masukan saklar memberikan keluaran yang sesuai dengan program. Sebagai contoh ketika saklar mode 0 (mode A) dan kedua saklar konfigurasi menunjukkan nilai 0, maka lampu yang menyala sebanyak 1 kelompok LED dan begitu seterusnya. Perbandingan antara intensitas cahaya yang dihasilkan dengan variasi input dalam mode low adalah

  Low

  Tabel 3 : Hasil Pengujian Output Mode

  lampu dengan jarak 20 cm. Dengan jumlah lampu sebanyak enam LED di setiap kelompok yang dirangkai paralel.

  luxmeter yang diletakkan tepat di bawah

  Hasil pengujian output alat dengan mode low ditunjukkan dalam Tabel 3. Pengujian intensitas lampu menggunakan

  IC regulator 7805 2. Output Mode Low

  IC regulator 7812

  1 1 440 Konfigurasi 4

  1 5 menit 1 438

  1 5 menit 225

  1 15 menit Konfigurasi 6

  Konfigurasi 6

  seperti grafik pada Gambar 4 di bawah ini.

  Konfigurasi 6

  1 1 menit 1 435

  Konfigurasi 5

  1 30 menit 233

  Konfigurasi 5

  1 15 menit 228

  Konfigurasi 5

  Konfigurasi 5

  Konfigurasi 6

  1 1 menit 221

  Intensitas Lampu (lux) Jumlah lampu

  Input Ouput Ket Mode Waktu S1 S2

  1 1 menit 1 572

  High

  Tabel 4 : Hasil Pengujian Output Mode

  Konfigurasi 7

  1 5 menit 1 577

  Konfigurasi 7

  Gambar 4. Grafik Keluaran Mode Low Intensitas lampu pada mode rendah berkisar antara 157

  1 30 menit 1 446

  • – 440 lux pada input tertentu. Pada mode low terdapat empat variasi masukan, sehingga menghasilkan empat target keluaran. Dimana setiap keluaran memiliki tingkat intensitas yang berbeda, dengan hasil lux yang semakin meningkat pada tiap masukan.

  Pengujian mode high sama saja dengan pengujian mode low. Hasil yang diperoleh dari pengujian intensitas cahaya menunjukkan adanya peningkatan lux pada setiap input. Hal tersebut membuktikan sistem sudah dapat bekerja sesuai dengan yang diharapkan. Perbandingan antar input dengan intensitas cahaya yang dihasilkan dalam mode high adalah seperti grafik pada Gambar 5.

  1 1 701 Konfigurasi 8

  1 1 710 Konfigurasi 8

  1 30 menit

  1 1 708 Konfigurasi 8

  1 15 menit

  1 1 705 Konfigurasi 8

  1 5 menit

  1 1 menit

  lampu dengan jarak 20 cm. Setiap kelompok terdiri dari enam buah LED yang di rangkai paralel

  Konfigurasi 7

  1 30 menit 1 585

  Konfigurasi 7

  1 15 menit 1 580

3. Output Mode High

  Hasil pengujian output alat dengan mode high ditunjukkan dalam Tabel 4. Pengujian intensitas lampu menggunakan

  luxmeter yang diletakkan tepat di bawah karena jika dikehendaki keluaran berbeda tidak perlu merubah perintah program tapi

  Mode High

  hanya mengubah target yang akan

  800 dipelajari sistem tersebut.

  708 710 701 705 600 585

  577 580 572 E. Kesimpulan x

  440 446 435 438 400

  Lu

  Berdasarkan perancangan dan

  233 225 228 221

  pengujian yang telah dilakukan, dapat

  200

  disimpulkan sebagai berikut : 1. sistem kendali lampu

   Prototype

  1

  3

  5

  7

  9

  11

  13

  15

  penerangan ruang berbasis JST lebih

  Input

  fleksibel dibandingkan sistem kendali biasa, karena dapat bekerja dengan keluaran Gambar 5. Grafik Keluaran Mode High sesuai keinginan pengguna, tanpa harus mengubah hardwar maupun software. Intensitas cahaya pada mode tinggi 2.

  Kinerja/unjuk kerja sistem aplikasi JST (high) lebih tinggi dibandingkan pada mode model perceptron dapat digunakan sebagai low. Namun ada dua variasi input pada sistem kendali penerangan ruang. Input mode high yang intensitasnya mendekati sistem dibagi dalam dua mode untuk mode low, hal itu dikarenakan jumlah menghasilkan intensitas lampu yang kelompok LED pada kedua input itu sama. bervariasi. Mode

  • – mode tersebut adalah Sehingga menghasilkan intensitas yang sebagai berikut : relatif sama, namun dengan nyala a.

  Low mode, menghasilkan output kelompok lampu yang berbeda. dengan nilai intensitas cahaya yaitu antara 157

  • – 440 lux. Intensitas lampu pada mode high b.

  High mode, menghasilkan output mencapai maksimum pada 710 lux. Hal ini dengan nilai intensitas yaitu antara 221 tercapai pada saat kondisi saklar pada

  • – 710 lux. posisi high (bernilai 1) semua. Sehingga E.

   Daftar Pustaka

  kondisi ini dinyatakan sebagai tingkat Anita Desiana dan Muhammad Arhami. 2006. intensitas maksimum dengan semua

  . Andi :

  Konsep kecerdasan buatan kelompok LED menyala.

  Yogyakarta Penggunaan jaringan syaraf tiruan Haryanto. 2013. Pemrograman visual C++. (JST) pada program menjadikan proses Yogyakarta: UNY Press. eksekusi program lebih cepat karena

  Sri Kusuma Dewi. 2003. Artificial intelligence perintah yang diberikan sedikit. Selain itu,

  (Teknik dan Aplikasinya) . Graha Ilmu :

  dengan JST juga menghemat pemrograman Yogyakarta

Dokumen baru

Aktifitas terbaru

Download (9 Halaman)
Gratis

Tags

Jaringan Syaraf Tiruan Jaringan Syaraf Tiruan Dengan Pembelajar Pengenalan Suara Dengan Jaringan Syaraf Tiruan Jaringan Syaraf Tiruan Grafologi Jaringan Syaraf Tiruan Jst Jaringan Syaraf Tiruan Hopfield Pengenalan Pembicara Dengan Jaringan Syaraf Tiruan Backpropagation Character Recognition Dengan Menggunakan Jaringan Syaraf Tiruan Sistem Pengenal Wajah Dengan Jaringan Syaraf Tiruan Prediksi Kelulusan Mahasiswa Dengan Jaringan Syaraf Tiruan
Show more

Dokumen yang terkait

ESTIMASI POSISI AKHIR DEPOSISI PARTIKEL DENGAN ALGORITMA JARINGAN SYARAF TIRUAN
0
5
14
JARINGAN PEMBELAJARAN TIRUAN YANG DITURUNKAN DARI SISTEM SYARAF BIOLOGIS DENGAN MENGGUNAKAN MODEL HOPFIELD (BAGIAN-1)
0
2
1
PENGENALAN DAN PEMERIKSAAN TANDA TANGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN
0
10
1
PHONOCARDIOGRAM YANG DILENGKAPI JARINGAN SYARAF TIRUAN DENGAN EKSTRAKSI CIRI MENGGUNAKAN DEKORLET DAN ENERGI SINYAL DEKOMPOSISI WAVELET
2
52
83
REALISASI PENGENALAN PLAT NOMOR KENDARAAN DENGAN METODE HISTOGRAM CITRA DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
1
11
84
JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI KINERJA SATPAM
0
0
6
JARINGAN SYARAF TIRUAN MENGGUNAKAN METODE PERCEPTRON UNTUK PENGENALAN GEJALA PENYAKIT KAKI GAJAH (FILARIASIS)
0
0
10
PREDIKSI CURAH HUJAN BULANAN MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN BEBERAPA FUNGSI PELATIHAN BACKPROPAGATION
0
1
10
PEMODELAN DETEKSI PENYAKIT SIROSIS HATI DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN
0
0
10
PENGENALAN POLA PLAT NOMOR KENDARAAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
0
0
10
PREDIKSI INDEKS HARGA SAHAM DENGAN METODE GABUNGAN GENETIC FUZZY SYSTEM DAN JARINGAN SYARAF TIRUAN
0
0
9
PREDIKSI INDEKS HARGA SAHAM DENGAN METODE GABUNGAN JARINGAN SYARAF TIRUAN DAN SUPPORT VECTOR REGRESSION
0
0
8
317 APLIKASI JARINGAN SYARAF TIRUAN PADA SISTEM E-NOSE Budi Gunawan
0
0
9
PEMBELAJARAN JARINGAN SYARAF TIRUAN PROBABILISTIK BASIS RADIAL DENGAN MENGGUNAKAN ANALISIS SENSITIVITAS
0
0
11
JARINGAN SYARAF TIRUAN (JST)
0
0
110
Show more