IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN SELF ORGANIZING MAP MENGGUNAKAN SENSOR GAS SEMIKONDUKTOR SEBAGAI IDENTIFIKASI JENIS GAS

Herri Trisna Frianto, Muhammad Rivai

Abstract


Sensor gas semikonduktor seperti SnO2   digunakan untuk mendeteksi berbagai jenis gas seperti   bahan pelarut, ammonia dan gas yang mudah terbakar lainnya. Sensor gas tersebut memiliki sensisitifitas yang baik. Tetapi memiliki  selektifitas yang kurang baik yaitu tidak bisa membedakan tiap jenis gas. Pada penelitian ini digunakan sebuah deret sensor semikonduktor dan  jaringan syaraf tiruan  untuk mengenali jenis gas yang terdeteksii.  Deret sensor terdiri dari 8 sensor semikonduktor komersial dan sebagai gas uji digunakan 8 jenis larutan mudah menguap. Jaringan syaraf tiruan yang berfungsi sebagai pengenal ke 8 jenis gas tersebut bekerja melalui metoda pembelajaran. Pembelajaran diproses dengan menentukan inisialisasi bobot terlebih dahulu dari input sinyal tegangan sebagai input neuron selanjutnya melakukan training dan running. Pelatihan training dan running menghasilkan iterasi bobot sebagai penetapan output neuorn pemenang dan menghasilkan suatu pola. Setelah melewati tahap pembelajaran sistem mengenali tiap gas dengan taraf identifikasi sebesar 87,5 %.

References


Eliyani, (2005), ” Pengantar Jaringan Syaraf Tiruan”, Materi Kuliah.Com

Rivai M, Mujiono T, Juwono H (2006), “Identification of Organic Solvent Vapors Using Polymer Coated SiO2 Crystal Array “, The Fourth Saudi Technical Conference and Exhibition, Riyadh, Saudi Arabia, pp.244-249

Rivai M, (2006), ” Tranduser”, Lecture Handout Sensor dan Tranduser, ITS, Surabaya.

Figaro (2004),” General Information for TGS Sensors”,Com/products/Common(1104)pdf.

Datasheet Atmel 8 – Bit AVR Microcontroller with 8 K Bytes in System Programmaable Flash, ATMega 8535 dan 8535L, Summary

Haykin S, (1994), ” Neural Network and Comprehensive Foundation”, Prentice hall, USA. Bab 10.5 hal 408-433.

Irini Reljin, Branimir R, Gordana J, (2003),” Clustering and Mapping Spatial-Temporal Data sets Using SOM Neural Networks”, Journal ofAouomatic Control, University of Belgrade: vol13 (1): 55-60

Setyo N, Agus H, (2005), “ Penerapan Metode Active Learning Pada Klasifikasi Pola Berbasis Contoh”, Seminar Internasional Teknologi Informasi.

Muis S, (2006), ” Teknik Jeringan Saraf Tiruan”, Graha Ilmu, Yogyakarta.

Siang J J,( 2005), ‘ Jaringan Saraf Tiruan Programnya Menggunakan MATLAB”, Andi, Yogyakarta.

Rivai M, (2007), ” Neural Network ”, Lecture Handout : Neural Network , ITS, Surabaya.

Puguh S P, (2008), “ Optimasi Jumlah Sensor Gas Semikonduktor Menggunakan Algoritma Genetika “, Jurusan Teknik Elektro, FTI, ITS Surabaya


Refbacks

  • There are currently no refbacks.