Article Per Year (5 Year)
p-Index From 2020 - 2025
0.888
P-Index
This Author published in this journals
All Journal PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Seminar Nasional Informatika (SEMNASIF) Jurnal Komtika (Komputasi dan Informatika) SPEED - Sentra Penelitian Engineering dan Edukasi Computing and Information System Journal
Mukhtar Hanafi
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Library & Information Science

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Seminar Nasional Informatika (SEMNASIF)

 1 
APLIKASI FUZZY NEURAL NETWORK (FNN) PADA SISTEM KONTROL DENGAN WAKTU TUNDA Mukhtar Hanafi
Seminar Nasional Informatika (SEMNASIF) Vol 1, No 1 (2012): Computation And Instrumentation
Publisher : Jurusan Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Waktu tunda pada sistem kontrol terjadi karena adanya jeda waktu bagi sensor untuk mendeteksi terjadinya error, sehingga mempengaruhi kecepatan controller untuk meresponnya. Akibat keidaklineran dan ketidakpastian ini akan berdampak pada respon sistem secara keseluruhan. Jenis controller yang sering digunakan pada sistem kontrol ini adalah PID. Untuk mendapatkan respon sistem yang baik, harus dilakukan lebih dahulu tuning terhadap parameter P,I dan D pada PID controller pada nilai waktu tunda tertentu. Jika terjadi perubahan nilai waktu tunda diluar toleransi yang diijinkan, maka harus dilakukan tuning ulang untuk memperbaiki lagi respon sistemnya, dan ini membutuhkan waktu dan keahlian tersendiri. Sementara itu, Fuzzy Logic Controller (FLC) menawarkan metode pengontrolan yang lebih robust dalam menyesuaikan perubahan parameter akibat keidaklineran dan ketidakpastian tersebut. Tetapi FLC sangat tergantung pada basis aturan (rule-based) yang digunakan dalam proses pengandalian sistem, dan rule-based tersebut sangat dipengaruhi oleh pengetahuan dan pengalaman perancangnya. Aturan yang salah dapat mengakibatkan ketidakstabilan sistem. Fuzzy Neural Network (FNN), sistem hybrid dari fuzzy dan jaringan syaraf, dapat memberikan solusi bagi sistem kontrol yang dikembangkan dengan konsep logika fuzzy ini. Hasil simulasi dengan matlab menunjukkan bahwa kemampuan pembalajaran yang dimiliki oleh unsur jaringan syaraf pada FNN dapat membantu memberikan respon sistem yang baik meskipun pada rule-based aturan yang digunakan terbatas.
MENINGKATKAN KEMAMPUAN PENGENALAN POLA SINYAL DENGAN OPTIMALKAN RULES PADA FUZZY NEURAL NETWORK Mukhtar Hanafi
Seminar Nasional Informatika (SEMNASIF) Vol 1, No 4 (2013): Intelligent System dan Application
Publisher : Jurusan Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Fuzzy Neural Network (FNN) merupakan suatu model yang dilatih menggunakan jaringan syaraf, namun struktur jaringannya diintepretasikan dengan sekelompok aturan-aturan (rules) fuzzy. Meskipun logika fuzzy dapat menerjemahkan pengetahuan pakar secara langsung melalui aturan-aturan dengan label-label linguistik, tapi umumnya membutuhkan waktu yang lama untuk mendisain dan menyesuaikan fungsi keanggotaan yang dapat memberikan definisi secara kuantitatif  label-label linguistik ini. Hal ini menjadi sebih sulit lagi manakala rules yang ada sangat terbatas. Selanjutnya, bagaimana mengoptimalkan keterbatasan rules untuk meningkatkan kemampuan FNN dalam proses pembelajarannya. Tujuan dari penelitian ini adalah untuk mengetahui pengaruh penambahan fuzzy rules dalam proses pembelajaran pada FNN,  serta peningkatan kemampuannya dalam mengenal pola sinyal yang dilatihkan. Pengujian dilakukan dengan menggunakan model jaringan FNN empat layer , algoritma pembelajaran back propagation dan tiga rule base fuzzy, yaitu  dengan 9, 25 dan 49 rules. Pada penelitian ini, untuk mengembangkan rule base fuzzy dari 9 rules menjadi 25 dan 49 rules adalah dengan cara penambahan fungsi keanggotaan masukan error (e) dan perubahan error (de). Hasil pengujian menunjukkan, dengan penambahan jumlah rules, kemampuan FNN dalam mengenal pola sinyal menjadi lebih baik. Semakin banyak rules yang digunakan, kemampuannya dalam pengenali pola menjadi semakin baik akan tetapi proses belajar yang dilakukan juga semakin lama.
Co-Authors Andi Widiyanto Arif Setyo Wicaksono Bambang Pujiarto Indra Bayu Pangestu Irsatu Nurhayadin Listuhayu Amalia Maimunah, Maimunah Meidar Hadi Avizenna Najibullah Ibrahim Nugroho Agung Prabowo Nugroho Agung Prabowo Nugroho Agung Prabowo - UM Magelang Nur Anisa R Arri Widyanto R. Arri Widyanto Zuan Afrisaul Haq