<![CDATA[Pada Penelitian Terdahulu Penggunaan Neural Network digunakan dikarenakan kemampuan adaptibilitas dari Neural network terhadap perubahan Plant dan juga kemampuan dari NN untuk mempelajari data secara real-time.Penelitian ini bertujuan merancang kontroler Neural Network untuk meningkatkan sistem pengaturan kecepatan motor DC. Dalam era modern ini, motor DC menjadi komponen vital dalam berbagai aplikasi, termasuk otomotif dan industri. Peningkatan kompleksitas sistem memerlukan pendekatan kontrol yang lebih canggih, dan Neural Network muncul sebagai solusi yang potensial. Penelitian ini memfokuskan pada analisis perbandingan antara kontroler Neural Network dan metode tradisional dalam konteks pengaturan kecepatan motor DC. Pendekatan machine learning dan deep learning, terutama Neural Network, dievaluasi untuk memahami kemampuan mereka dalam meningkatkan kinerja pengaturan kecepatan. Eksperimen dilakukan dengan mempertimbangkan berbagai parameter seperti jumlah lapisan tersembunyi, fungsi aktivasi, dan variasi dataset. Dalam tahap awal, metode Neural Network berhasil menunjukkan peningkatan signifikan dalam respons sistem, mengatasi beberapa tantangan yang dihadapi oleh kontroler konvensional. Hasil analisis mendalam mencakup efisiensi kontroler Neural Network dalam mengatasi ketidakpastian dan fluktuasi lingkungan. Selain itu, pendekatan ini memberikan hasil yang lebih baik dalam hal adaptabilitas terhadap perubahan keadaan operasional motor DC. Meskipun memerlukan pelatihan awal yang cermat, kontroler Neural Network menunjukkan potensi untuk meningkatkan ketahanan sistem terhadap gangguan dan meningkatkan presisi pengaturan kecepatan. Dari Penelitian Ini diharapkan dapat mendapat kontrol kecepatan motor BLDC yang lebih optimal dari penelitian sebelumnya dengan adaptasi jika terjadi perubahan kondisi.]]>
