Karuniawati, Indah (2009) Prediksi Tingkat Kebisingan pada Gerbong Kereta Api Sancaka Kelas Eksekutif dengan Jaringan Syaraf Tiruan. Other thesis, Institut Teknologi Sepuluh Nopember.
![]() |
Text
2404100094-Undergraduate_Thesis.pdf - Accepted Version Download (14MB) |
Abstract
Kebisingan seringkali terjadi pada gerbong kereta api eksekutif yang sangat menggangu kenyamanan penumpang. untuk mengetahui prediksi tingkat kebisingan pada suatu gerbong eksekutif dapat dibuat pemodelan dengan menggunakan jaringan syaraf tiruan. Prediksi tingkat kebisingan dilakukan dengan melakukan pengukuran terhadap jumlah penumpang, posisi pengukuran serta tingkat tekanan bunyi secara menyeluruh. Metode yang digunakan adalah jaringan syaraf tiruan yang menggunakan hubungan multi input single output(MISO), arsitektur jaringan Multilayer Perceptron (MLP), dan strulaur model menggunakan NNARX (Neural Network AutoRegresive wilh exogenous input) dengan metode pembelajaran Levenberg Marquardt. Hasil analisis dan simulasi menunjukkan model JST yang terbentuA: pada proses training dengan history length I dan jumlah hidden node I dengan menghasilkan RMSE = 6.8460e-8 pada saat iterasi 15. Proses validasi dengan menggunakan data sebanyak 161 buah yang berasal dari pengukuran pada gerbong eksekutif pertama didapatkan RMSE = 7.9150e-7. Pada proses validasi dengan menggunakan data sebanyak 510 buah yang berasal dari pengukuran pada gerbong eksekutif kedua didapatkan RMSE = 1.0587e-7. Berdasarkan proses validasi yang dilakukan sebanyak dua kali maka model dengan JST yang telah terbentuk mampu dipergunakan untuk memprediksi tingkat kebisingan pada gerbong eksekutif lain yang mempunyai struktur dan bentuk yang sama.
==================================================================================================================================
Noise often appears at executive carriage that is very annoying the convenience of passanggers, to know the noise level prediction at a executive carriage, using neural network modelling. The noise level prediction by measuring the amount of the pass anger, the measuremeat possition and the entire noise preasure level. The method using Neural network modelling which is Multi Input Single Output (MISO) Connection, Multi Layer Perceptron network structure, and structure model use NNARX (Neural Network AutoRegressive with exogenous input) with Lavenberg Marquatrd learning. The result of analysis and simulation perform neural network model with history length and hidden node 1, RMSE= 6,8460e-8 a1 iteration 15. The vallidation process using 162 data from the measurement at fU'St executive carriage perform RMSE= 7,9250e-7. At vallidation process using 520 data from measurement at second executive carriage is perform RMSE= 1,0587e7. Based on the result of twice of validation process, the neural network modelling can be used to predict noise level at executive carriage that have same structure and shape.
Item Type: | Thesis (Other) |
---|---|
Additional Information: | RSF 620.23 Kar p-1 2009 |
Uncontrolled Keywords: | Tingkat kebisingan,Prediksi, Gerbong Eksekutif, Jaringan Syarat Tiruan |
Subjects: | T Technology > T Technology (General) |
Divisions: | Faculty of Industrial Technology > Physics Engineering > 30201-(S1) Undergraduate Thesis |
Depositing User: | Totok Setiawan |
Date Deposited: | 19 Feb 2025 03:35 |
Last Modified: | 19 Feb 2025 03:35 |
URI: | http://repository.its.ac.id/id/eprint/118579 |
Actions (login required)
![]() |
View Item |