Model Jaringan Saraf Tiruan untuk Variabel Tidak Pasti

Abstract

The Implementation of Artificial Neural Network (ANN) model does not provide optimal results in learning with the large quantity with inputs of many variable and real time. The variable stated in matrix with plenty of quantity makes the process in pattern recognition getting slow. A model is required to minimize input for training and to recognize patterns faster. Variable recognition is required to know the special characteristics of inputs which may represent all inputs using a model. Artificial Neural Network also has weaknesses for arithmatic and data processing the inputs not binary, with determining the degree of membership of each variable. And, for each selection of variables with probability techniques and linear programming. And data is expressed as row vectors and selected by calculating the euclidean distance between each row vector. Furthermore, the selected data can represent input for training. With the model algorithm which is called as Artificial Neural Network Model for Uncertain Variabels, it helps solve problems in the system. And validation is performed on an actuator, one of which is the moving water wheel or not, by using variable dissolved oxygen, pH, salinity, temperature, brightness, alkalinity, ammonia, water hardness to determine water quality with Matrix Laboratory software.

Penerapan Model Jaringan Saraf Tiruan (JST) belum memberikan hasil yang optimal pada pembelajaran dengan input dari variabel yang banyak dan tidak pasti. Jumlah variabel yang besar yang dinyatakan dalam bentuk matriks membuat proses menjadi lambat dalam pengenalan pola. Dibutuhkan sebuah model yang dapat meminimalkan variabel sebelum di lakukan pelatihan agar dapat mengenal pola lebih cepat. Dibutuhkan pengenalan variabel yang hanya mengenali ciri khas variabel yang dapat mewakili dari seluruh variabel dengan menggunakan sebuah model. Jaringan Saraf Tiruan memiliki kelemahan untuk aritmatika dan pengolahan data dalam input yang tidak bernilai biner, dengan menentukan derajat keanggotaan masing-masing variabel. Dan untuk seleksi masing-masing variabel dengan teknik probabilitas dan programing linear. Dan data dinyatakan sebagai vektor baris dan diseleksi dengan menghitung jarak euclidean antara masing-masing vektor baris. Selanjutnya data yang terseleksi tersebut dapat mewakili data untuk dilakukan pelatihan. Dengan menggunakan model Jaringan Saraf Tiruan untuk Variabel Tidak Pasti (VTP) membantu menyelesaikan permasalahan pada sistem. Dan validasi dilakukan pada suatu aktuator salah satunya kincir air bergerak atau tidak, dengan menggunakan variable dissolved oxygen, pH, salinitas, suhu, kecerahan, alkalinitas, amonia, kesadahan air untuk menentukan kualitas air dengan software Matrix Laboratory.