Fibrianto, Agung Kartika (2017) Pemodelan Sistem Turret Gun Dengan Metode Jaringan Syaraf Tiruan Backpropagartion. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
2112100062_Undergraduate_Theses.pdf - Published Version Download (2MB) | Preview |
Abstract
Saat ini, senjata otomatis tengah dikembangkan untuk bisa menggantikan tugas manusia dalam menjaga kedaulatan negara. Penelitian tentang pemodelan sistem turret gun senjata otomatis penting untuk menunjang penelitian-penelitian berikutnya. Penelitian sebelumnya telah memodelkan turret gun dengan metode penurunan persamaan matematis. Akan tetapi, dengan metode tersebut, sistem harus disederhanakan dan persamaannya diselesaikan dengan tepat. Di era yang modern ini, metode pemodelan sistem telah berkembangkan dengan memanfaatkan sistem syaraf manusia atau biasa disebut Jaringan Syaraf Tiruan (JST). Dengan metode ini, sistem tidak perlu disederhanakan dan persamaannya tidak perlu diselesaikan. Maka dari itu, pada penelitian ini, sistem turret gun dimodelkan dengan JST dan kemudian akan dibandingkan dengan pemodelan dari metode penurunan persamaan matematis.
Pemodelan sistem turret gun metode JST dimulai dengan pengambilan data dari model referensi. Kemudian model JST dibangun dengan menentukan layer dan neuron. JST tersebut dilatih untuk memperoleh weight dan bias. Jika mean square error dari JST lebih kecil dari 10-3 , maka model JST diverifikasi dengan membandingkan hasil keluaran model JST dengan model penurunan persamaan matematis. Jika error lebih dari 2 % maka model JST disusun ulang dengan merubah layer dan neuron.
Hasil yang diperoleh pada penelitian (tugas akhir) ini adalah suatu pemodelan sistem turret gun dengan metode Jaringan Syaraf Tiruan, yang mempunyai 4 hidden layer dan 1 output layer. Masing-masing hidden layer mempunyai 20 neuron dan ouput layer mempunyai 3 neuron, dengan performa Mean Square Error sebesar 0,000684. Output dari model jaringan syaraf tiruan ini dibandingkan dengan respon model yang diturunkan dari persamaan matematis mempunyai error 1,803 %. Model jaringan syaraf tiruan ini mempunyai respon dengan tendensi yang baik terhadap respon model penurunan persamaan matematis ketika diberi input yang konstan. Pada input yang berubah-ubah, respon model jaringan syaraf tiruan tidak bisa mengikuti model penurunan persamaan matematis. Hal ini disebabkan karena model jaringan syaraf tiruan tidak bisa memperhitungkan output sebelumnya.
==================================================================================================================
Nowdays, automatic weapons is developed to replace the human duty for maintain the state sovereignty. Research about automatic turret gun modelling is very important to support the following research. Previews research has modeled turret gun system with derivatif mathematical equation methode. However, on this methode, system must be simplified and the equation must be solved. In this modern era, sytem modelling methode evolve with utilize the human neural system or Artificial Neural Network (ANN). On this methode, the system didn’t need to simplified and the complicated equation didn’t need to solved. Thus in this research, the turret gun system was modelled with ANN and then compared with the matematical derivative equation methode model.
Turret gun system modelling was started with taking data from the reference model. Then, the ANN model was build by determine the layer and neuron. This ANN was trained to gain the wight and bias for each neuron. If the Mean Square Error (MSE) from the ANN was below than 10-3, so the ANN model can be verified by comparing the output from ANN model and output from matematical model. If the error between them was more than 2%, so the struckture of ANN must be rearanged.
The result from this research was a model of turret gun system with ANN methode, that contained 4 hidden layers and 1 output layer. For each hidden layer contained 20 neurons and output layer contained 3 neurons, with performed 0,000684 in MSE. Outputs from ANN model were compared with outputs from mathematical model and this comparation had 1,803% error. Respond from ANN model had same tendency with respond from mathematical model at the constant input. However, if the inputs were permuted, respond from ANN model cann’t follow the respond from mathematical model. This problem appeared because ANN model didn’t calculate the previews output.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Pemodelan Sistem, Turret Gun, Jaringan Syaraf Tiruan, System Identification, neural network |
| Subjects: | T Technology > TJ Mechanical engineering and machinery > TJ217.6 Predictive Control |
| Divisions: | Faculty of Industrial Technology > Mechanical Engineering > 21201-(S1) Undergraduate Thesis |
| Depositing User: | - AGUNG KARTIKA FIBRIANTO |
| Date Deposited: | 07 Apr 2017 03:47 |
| Last Modified: | 06 Mar 2019 08:28 |
| URI: | http://repository.its.ac.id/id/eprint/3192 |
Actions (login required)
 |
View Item |